TensorFlow Extended (TFX) to kompleksowa platforma do wdrażania produkcyjnych potoków ML
Kiedy będziesz gotowy do przeniesienia modeli z badań do produkcji, użyj TFX do tworzenia potoku produkcyjnego i zarządzania nim.
Jak to działa
Potok TFX to sekwencja składników, które implementują potok ML, który jest specjalnie zaprojektowany do skalowalnych zadań uczenia maszynowego o wysokiej wydajności. Komponenty są budowane przy użyciu bibliotek TFX, które mogą być również używane indywidualnie.
Rozwiązania typowych problemów
Zapoznaj się z samouczkami krok po kroku, które pomogą Ci w projektach.
Ten przewodnik uczy modelu sieci neuronowej, aby klasyfikować obrazy ubrań, takich jak trampki i koszule, zapisuje wyszkolony model, a następnie obsługuje go z obsługą TensorFlow. Skupiamy się na obsłudze TensorFlow, a nie na modelowaniu i szkoleniu w TensorFlow.
Wprowadzenie do TensorFlow Extended (TFX) i Cloud AI Platform Pipelines, aby tworzyć własne potoki uczenia maszynowego w Google Cloud. Postępuj zgodnie z typowym procesem rozwoju ML, zaczynając od zbadania zestawu danych, a kończąc na kompletnym potoku roboczym.
Dowiedz się, jak TensorFlow Extended (TFX) może tworzyć i oceniać modele uczenia maszynowego, które zostaną wdrożone na urządzeniu. TFX zapewnia teraz natywną obsługę TFLite, co umożliwia wykonywanie wysoce wydajnego wnioskowania na urządzeniach mobilnych.
Jak firmy używają TFX
Wiadomości i ogłoszenia
Sprawdź nasz blog i listę odtwarzania na YouTube, aby uzyskać dodatkowe treści TFX,
i zapisz się do naszego comiesięcznego biuletynu TensorFlow, aby otrzymywać
najnowsze ogłoszenia wysyłane bezpośrednio do Twojej skrzynki odbiorczej.
Strukturalne uczenie się neuronowe może być wykorzystywane do uczenia sieci neuronowych za pomocą ustrukturyzowanych sygnałów. Dowiedz się, jak zbudować model regulowany grafem z NSL w TFX przy użyciu niestandardowych komponentów i wypróbuj go samodzielnie w interaktywnym Colabie.
Wirowa wycieczka po Sibyl i TFX, dwóch kolejnych platformach ML w Alphabet. Dowiedz się, jak historia TFX pomogła w rozwoju dyscypliny ML Engineering.
TFX i TFJS nawiązały współpracę z firmą Magenta, aby uruchomić nowe doświadczenie oparte na sztucznej inteligencji z okazji Dnia Niepodległości Indii, które przekształca głosy użytkowników w instrumenty, które łączą się, aby celebrować indyjską kulturę poprzez wspólny projekt muzyczny.
Dowiedz się, jak firma SAP Concur Labs uprościła wdrażanie modeli BERT za pomocą bibliotek i rozszerzeń TensorFlow z tego dwuczęściowego bloga.