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 程式庫所打造,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。重點在於 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 平台管線,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,最後完成作業管線。

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。

The complexity of ML code and artifacts like models, datasets, and much more requires version control. That’s why we built Machine Learning Metadata (MLMD), a library to track the full lineage of your entire ML workflow.

In this update we’ll cover TFX basics and highlight what's new this year to help you get started. We'll also show you a hands-on look at how to put together a production pipeline system with TFX.

Neural Structured Learning 可使用結構化信號訓練類神經網路。瞭解如何在 TFX 中運用 NSL 建立圖形標準化模型,使用自訂元件並在互動式 Colab 中自行嘗試使用。

快速介紹 Sibyl 和 TFX 兩種 Alphabet 上連續端對端 (E2E) 的機器學習平台。瞭解 TFX 的發展歷史對於機器學習工程專業建立上的幫助。