O TensorFlow Extended (TFX) é uma plataforma completa para a implantação de pipelines de produção de ML
Quando for a hora de mover os modelos da pesquisa para a produção, use o TFX para criar e gerenciar um pipeline de produção.
Como funciona
Um pipeline do TFX é uma sequência de componentes que implementa um pipeline de ML especificamente projetado para tarefas de machine learning escalonáveis e de alto desempenho. Os componentes do pipeline são criados com bibliotecas do TFX que também podem ser usadas individualmente.
Soluções de problemas recorrentes
Descubra tutoriais passo a passo que auxiliam nos seus projetos.

Este guia treina um modelo de rede neural para classificar imagens de vestuário, como tênis e camisetas, salva o modelo treinado e depois o exibe com o TensorFlow Serving. O foco é no TensorFlow Serving, e não na modelagem ou no treinamento do TensorFlow.

Uma introdução ao TensorFlow Extended (TFX) e aos pipelines do Cloud AI Platform para criar seus próprios pipelines de machine learning no Google Cloud. Acompanhe um processo típico de desenvolvimento de ML: comece examinando o conjunto de dados e termine com um pipeline completo em funcionamento.

Saiba como o TensorFlow Extended (TFX) pode criar e avaliar modelos de machine learning que serão implantados no dispositivo. Agora o TFX tem compatibilidade nativa com o TFLite, o que permite realizar inferências de alto desempenho em dispositivos móveis.
Como as empresas estão usando o TFX
Notícias e avisos
Confira nosso blog e a playlist do YouTube para ver mais conteúdo sobre o TFX.
Inscreva-se na newsletter mensal do TensorFlow para receber os
comunicados mais recentes diretamente na sua caixa de entrada.

O Neural Structured Learning pode ser usado para treinar redes neurais com sinais estruturados. Saiba como criar um modelo regularizado por grafo com NSL no TFX usando componentes personalizados e experimente por conta própria em um Colab interativo.

Informações resumidas do Sibyl e do TFX, duas plataformas sucessivas de ML de ponta a ponta (E2E, na sigla em inglês) na Alphabet. Veja como a história do TFX colaborou com a disciplina de engenharia de ML.

A TFX e a TFJS fizeram uma parceria com a Magenta para lançar uma nova experiência baseada em IA em comemoração ao Dia da Independência da Índia: ela transforma as vozes dos usuários em instrumentos, que se unem para celebrar a cultura indiana em um projeto musical colaborativo.

Saiba como o Concur Labs da SAP simplificou a implantação de modelos BERT usando bibliotecas e extensões do TensorFlow neste blog de duas partes.
Participação da comunidade
Veja outras maneiras de participar da comunidade do TensorFlow.