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.
Como as empresas estão usando o TFX
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.
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.
Muitos parceiros e desenvolvedores contribuíram com o projeto, e agora o TFX 1.0 está disponível. Além da compatibilidade com PLN, aplicativos para dispositivos móveis e da Web, a nova versão fornece APIs públicas estáveis e artefatos para usuários do TFX OSS.
Saiba como o Google cria produtos de ML com o TFX. O TFX pode ser executado em praticamente qualquer lugar, incluindo nas pipelines do Cloud AI. Treinar seu modelo é apenas o começo. Você pode alcançar o sucesso com ML para produção com o TFX e deixar seu aplicativo pronto para o mundo.
Melhore a experiência do usuário no site treinando um modelo personalizado de machine learning com dados de navegação para prever as próximas páginas e use um app do Angular para pré-buscar o conteúdo e melhorar a velocidade do site.
Saiba como implantar um modelo com eficiência usando a API RunInference do TFX com o Google Cloud Dataflow. Essa postagem fornece um tutorial de cenários comuns, desde a inferência padrão até o pós-processamento e o uso da API RunInference em vários locais da pipeline.
Participação da comunidade
Veja outras maneiras de participar da comunidade do TensorFlow.