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.
OpenX leveraged several products in the TensorFlow ecosystem & Google Cloud, including TF Serving and Kubeflow Pipelines, to build a service that prioritizes traffic to demand side platforms in the adtech space.
A complexidade do código e dos artefatos de ML, como modelos, conjuntos de dados e mais, requer controle de versões. Por isso criamos a Machine Learning Metadata (MLMD), uma biblioteca para acompanhar a linhagem completa de todo o seu fluxo de trabalho de ML.
Nesta atualização, abordaremos os princípios básicos do TFX e destacaremos as novidades do ano que ajudarão você a dar os primeiros passos. Também mostraremos um tutorial prático de como montar um sistema de pipeline de produção com o TFX.
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.
Participação da comunidade
Veja outras maneiras de participar da comunidade do TensorFlow.