Trang này được dịch bởi Cloud Translation API.
Switch to English

TensorFlow Extended (TFX) là một nền tảng end-to-end để triển khai các đường ống ML sản xuất

Khi bạn đã sẵn sàng chuyển mô hình của mình từ nghiên cứu sang sản xuất, hãy sử dụng TFX để tạo và quản lý quy trình sản xuất.

Chạy Colab

Hướng dẫn tương tác này sẽ đi qua từng thành phần tích hợp của TFX.

Xem hướng dẫn

Hướng dẫn chỉ cho bạn cách sử dụng TFX với các ví dụ đầy đủ, từ đầu đến cuối.

Xem hướng dẫn

Hướng dẫn giải thích các khái niệm và thành phần của TFX.

Làm thế nào nó hoạt động

Khi bạn đã sẵn sàng vượt ra ngoài việc đào tạo một mô hình đơn lẻ hoặc sẵn sàng đưa mô hình tuyệt vời của bạn hoạt động và chuyển nó sang sản xuất, TFX sẽ giúp bạn xây dựng một đường ống ML hoàn chỉnh.

Đường ống TFX là một chuỗi các thành phần thực hiện đường ống ML được thiết kế đặc biệt cho các tác vụ máy học hiệu suất cao, có thể mở rộng. Điều đó bao gồm lập mô hình, đào tạo, cung cấp suy luận và quản lý triển khai cho các mục tiêu trực tuyến, di động gốc và JavaScript. Để tìm hiểu thêm, hãy đọc Hướng dẫn sử dụng TFX của chúng tôi.

Các thành phần đường ống được xây dựng bằng thư viện TFX cũng có thể được sử dụng riêng lẻ. Dưới đây là tổng quan về các thư viện cơ bản đó.

Xác thực dữ liệu TensorFlow

TensorFlow Data Validation (TFDV) giúp các nhà phát triển hiểu, xác thực và theo dõi dữ liệu ML của họ trên quy mô lớn. TFDV được sử dụng để phân tích và xác thực hàng petabyte dữ liệu tại Google và có thành tích đã được chứng minh trong việc giúp người dùng TFX duy trì tình trạng hoạt động của đường ống ML của họ.

Chuyển đổi TensorFlow

Khi áp dụng học máy vào bộ dữ liệu thế giới thực, cần rất nhiều nỗ lực để xử lý trước dữ liệu thành một định dạng phù hợp. Điều này bao gồm chuyển đổi giữa các định dạng, mã hóa và tạo gốc văn bản và hình thành các từ vựng, và thực hiện nhiều hoạt động số như chuẩn hóa. Bạn có thể làm tất cả với tf.Transform.

Phân tích mô hình TensorFlow

Phân tích mô hình TensorFlow (TFMA) cho phép các nhà phát triển tính toán và trực quan hóa các số liệu đánh giá cho mô hình của họ. Trước khi triển khai bất kỳ mô hình học máy (ML) nào, các nhà phát triển ML cần đánh giá hiệu suất của mô hình để đảm bảo rằng nó đáp ứng các ngưỡng chất lượng cụ thể và hoạt động như mong đợi cho tất cả các phần dữ liệu có liên quan. Ví dụ: một mô hình có thể có AUC chấp nhận được trên toàn bộ tập dữ liệu eval, nhưng hoạt động kém hơn trên các lát cụ thể. TFMA cung cấp cho các nhà phát triển các công cụ để hiểu sâu hơn về hiệu suất mô hình của họ.

TensorFlow phục vụ

Hệ thống phân phối Machine Learning (ML) cần hỗ trợ lập phiên bản mô hình (để cập nhật mô hình có tùy chọn khôi phục) và nhiều mô hình (để thử nghiệm thông qua thử nghiệm A / B), đồng thời đảm bảo rằng các mô hình đồng thời đạt được thông lượng cao trên bộ tăng tốc phần cứng (GPU và TPU) với độ trễ thấp. TensorFlow Serving đã được chứng minh về hiệu suất xử lý hàng chục triệu suy luận mỗi giây tại Google.

Giải pháp cho các vấn đề chung

Khám phá hướng dẫn từng bước để giúp bạn với các dự án của mình.

Trung gian
Đào tạo và phục vụ mô hình TensorFlow với Phục vụ TensorFlow

Hướng dẫn này đào tạo mô hình mạng thần kinh để phân loại hình ảnh của quần áo, như giày thể thao và áo sơ mi, lưu mô hình đã đào tạo và sau đó phục vụ mô hình đó bằng TensorFlow Serving. Trọng tâm là Phục vụ TensorFlow, hơn là mô hình hóa và đào tạo trong TensorFlow.

Trung gian
Tạo đường ống TFX được lưu trữ trên Google Cloud

Giới thiệu về Đường ống nền tảng TensorFlow Extended (TFX) và Cloud AI để tạo đường dẫn máy học của riêng bạn trên Google Cloud. Thực hiện theo một quy trình phát triển ML điển hình, bắt đầu bằng cách kiểm tra tập dữ liệu và kết thúc bằng một đường dẫn hoạt động hoàn chỉnh.

Trung gian
Sử dụng TFX với TensorFlow Lite để suy luận trên thiết bị

Tìm hiểu cách TensorFlow Extended (TFX) có thể tạo và đánh giá các mô hình học máy sẽ được triển khai trên thiết bị. TFX hiện cung cấp hỗ trợ gốc cho TFLite, giúp bạn có thể thực hiện suy luận hiệu quả cao trên thiết bị di động.

Cách các công ty đang sử dụng TFX

Tin tức và thông báo

Kiểm tra blogdanh sách phát YouTube của chúng tôi để biết thêm nội dung TFX,
và đăng ký bản tin TensorFlow hàng tháng của chúng tôi để nhận được
thông báo mới nhất được gửi trực tiếp đến hộp thư đến của bạn.

8 tháng 6, 2020  
NLP nhanh, có thể mở rộng và chính xác: Tại sao TFX là sự kết hợp hoàn hảo để triển khai BERT

Tìm hiểu cách Phòng thí nghiệm Concur của SAP đã đơn giản hóa việc triển khai mô hình BERT thông qua các thư viện và tiện ích mở rộng TensorFlow trong blog gồm hai phần này.

Ngày 11 tháng 3 năm 2020  
Giới thiệu đường ống nền tảng Cloud AI

Thông báo về việc ra mắt phiên bản beta của Cloud AI Platform Pipelines, một môi trường thực thi an toàn, dễ cài đặt, sẵn sàng cho doanh nghiệp cho quy trình làm việc ML của bạn.

Ngày 11 tháng 3 năm 2020  
TFX: Sản xuất ML với TensorFlow vào năm 2020 (TF Dev Summit '20)

Tìm hiểu cách nền tảng ML sản xuất của Google, TFX, sẽ thay đổi như thế nào vào năm 2020. Xem một trường hợp thú vị về cách Airbus sử dụng TFX.

tiếp tục
Ngày 9 tháng 3 năm 2020
Keras bản địa trong TFX

Việc phát hành TensorFlow 2.0 mang lại nhiều tính năng và cải tiến mới bao gồm tích hợp chặt chẽ với Keras. Tìm hiểu cách các thành phần TFX hỗ trợ Keras gốc.