TensorFlow Extended (TFX) 是端對端平台，用於部署生產環境中的機器學習管線
當你準備好將模型從研究投入到實際生產，可使用 TFX 來建立及管理生產環境管線。
運作方式
TFX 管線是實作機器學習管線的一系列元件，專門用於可擴充的高效能機器學習工作，元件是使用 TFX 程式庫所建構，而這些程式庫也可以分開使用。
常見問題的解決方案
探索可協助你完成專案的逐步教學課程。
這份指南會訓練類神經網路模型將衣物 (例如運動鞋和襯衫) 的圖片分類、儲存經過訓練的模型，然後使用 TensorFlow Serving 來提供模型。指南內容側重於 TensorFlow Serving，而不是在 TensorFlow 中建立模型和進行訓練。
介紹 TensorFlow Extended (TFX) 和 Cloud AI 平台管道，讓你在 Google Cloud 上建立自己的機器學習管線。遵循一般機器學習開發流程，一開始先檢查資料集，最後產生完整的作業管線。
瞭解 TensorFlow Extended (TFX) 如何建立及評估將在裝置端部署的機器學習模型。TFX 現在原生支援 TFLite，因此可以在行動裝置上執行推論，而且成效相當卓越。
經過許多合作夥伴與開發人員為專案貢獻一己之力，TFX 1.0 終於問世！新版本不但支援自然語言處理、行動應用程式和網頁應用程式，還為 TFX OSS 使用者提供穩定的公用 API 及構件。
瞭解 Google 如何運用 TFX 建立機器學習產品。TFX 在幾乎任何地方都能執行，包括 Cloud AI 管線中。訓練模型只是開始；只要運用 TFX 就能大幅提升功力，將你可用於生產環境的機器學習技術化身為精彩的應用程式，服務全世界的使用者！
使用網站導覽資料訓練自訂機器學習模型來預測後續會瀏覽的網頁，同時使用 Angular 應用程式預先擷取內容並提升網站速度，以改善網站使用者體驗。
瞭解如何搭配 Google Cloud Dataflow 使用 TFX RunInference API，有效率地部署模型。這篇文章提供從標準推論到後續處理等常見情境的逐步操作說明，並說明如何在管線中的多個位置使用 RunInference API。