TensorFlow Extended (TFX) 是一个端到端平台，用于部署生产型机器学习流水线
当您准备好将模型从研究状态切换到生产状态时，可以使用 TFX 创建和管理生产流水线。
工作原理
TFX 流水线是实现机器学习流水线的一系列组件，专门用于可扩容的高性能机器学习任务。这些组件使用 TFX 库构建而成，您也可以单独使用这些组件。
常见问题的解决方案
浏览分步教程以帮助您完成项目。
此指南会训练一个对服饰（例如运动鞋和衬衫）图像进行分类的神经网络模型，保存训练过的模型，然后使用 TensorFlow Serving 应用此模型。重点是 TensorFlow Serving，而不是在 TensorFlow 中进行建模和训练。
本教程介绍了如何使用 TensorFlow Extended (TFX) 和 Cloud AI Platform Pipelines 在 Google Cloud 上创建您自己的机器学习流水线。您将遵循典型的机器学习开发流程，即从检查数据集开始，最后得到一个完整且有效的流水线。
了解 TensorFlow Extended (TFX) 如何创建和评估将部署到设备上的机器学习模型。TFX 现已提供对 TFLite 的原生支持，因此提高了在移动设备上进行推断的效率。
许多合作伙伴和开发者为该项目做出了贡献，现在 TFX 1.0 终于推出！除了支持 NLP、移动应用和 Web 应用之外，新版本还为 TFX OSS 用户提供了稳定的公共 API 和工件。
了解 Google 如何使用 TFX 打造机器学习产品。TFX 几乎可以在任何环境中运行，包括在 Cloud AI Pipelines 中运行。训练模型只是一个开端，但您可以借助 TFX，通过生产型机器学习让模型从零开始发展壮大，并让您的精彩应用做好推向市场的准备！
使用网站导航数据训练自定义机器学习模型，使其预测用户接下来要访问的网页，并使用 Angular 应用预提取内容和提高网站速度，从而提升网站的用户体验。
了解如何配合使用 TFX RunInference API 与 Google Cloud Dataflow 高效部署模型。此帖演示了从标准推断到后处理的常见场景，还演示了如何在流水线中的多个阶段使用 RunInference API。