TensorFlow Extended (TFX) - это комплексная платформа для развертывания производственных конвейеров машинного обучения.
Когда вы будете готовы перенести свои модели из исследования в производство, используйте TFX для создания производственного конвейера и управления им.
Как это устроено
Конвейер TFX - это последовательность компонентов, реализующих конвейер машинного обучения, специально разработанный для масштабируемых высокопроизводительных задач машинного обучения. Компоненты создаются с использованием библиотек TFX, которые также можно использовать по отдельности.
Решения общих проблем
Изучите пошаговые руководства, которые помогут вам в ваших проектах.
Это руководство обучает модель нейронной сети для классификации изображений одежды, например кроссовок и рубашек, сохраняет обученную модель, а затем обслуживает ее с помощью TensorFlow Serving. Основное внимание уделяется обслуживанию TensorFlow, а не моделированию и обучению в TensorFlow.
Введение в TensorFlow Extended (TFX) и Cloud AI Platform Pipelines для создания собственных конвейеров машинного обучения в Google Cloud. Следуйте типичному процессу разработки машинного обучения, начиная с изучения набора данных и заканчивая полным рабочим конвейером.
Узнайте, как TensorFlow Extended (TFX) может создавать и оценивать модели машинного обучения, которые будут развернуты на устройстве. TFX теперь обеспечивает встроенную поддержку TFLite, что позволяет выполнять высокоэффективный логический вывод на мобильных устройствах.
Как компании используют TFX
Сложность кода машинного обучения и таких артефактов, как модели, наборы данных и многое другое, требует контроля версий. Вот почему мы создали метаданные машинного обучения (MLMD), библиотеку для отслеживания всей линии всего вашего рабочего процесса машинного обучения.
В этом обновлении мы рассмотрим основы TFX и расскажем о новинках этого года, чтобы помочь вам начать работу. Мы также покажем вам, как собрать производственную конвейерную систему с TFX.
Нейронное структурированное обучение может использоваться для обучения нейронных сетей со структурированными сигналами. Узнайте, как построить регуляризованную модель графа с NSL в TFX, используя настраиваемые компоненты, и попробуйте сами в интерактивном Colab.
Вихревой тур по Sibyl и TFX, двум последовательным платформам end-to-end (E2E) ML в Alphabet. Узнайте, как история TFX помогла сформировать дисциплину ML Engineering.