שנה ספרייה עבור משתמשים שאינם TFX
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
Transform זמין כספרייה עצמאית.
תיעוד מודול tft הוא המודול היחיד שרלוונטי למשתמשי TFX. מודול tft_beam רלוונטי רק בעת שימוש ב-Transform כספרייה עצמאית. בדרך כלל, משתמש TFX בונה preprocessing_fn , ושאר הקריאות לספריית Transform מתבצעות על ידי רכיב Transform.
אתה יכול גם להשתמש בשיעור Apache Beam MLTransform כדי לעבד מראש נתונים לצורך אימון והסקת מסקנות. המחלקה MLTransform עוטפת טרנספורמציות מרובות של עיבוד נתוני TFX במחלקה אחת. למידע נוסף, ראה עיבוד מוקדם של נתונים עם MLTransform בתיעוד Apache Beam.
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-25 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-25 (שעון UTC)."],[],[],null,["# Transform library for non-TFX users\n\n\u003cbr /\u003e\n\nTransform is available as a standalone library.\n\n- [Getting Started with TensorFlow Transform](https://www.tensorflow.org/tfx/transform/get_started)\n- [TensorFlow Transform API Reference](https://www.tensorflow.org/tfx/transform/api_docs/python/tft)\n\nThe [`tft`](https://www.tensorflow.org/tfx/transform/api_docs/python/tft) module documentation is the only module that is relevant to TFX users.\nThe [`tft_beam`](https://www.tensorflow.org/tfx/transform/api_docs/python/tft_beam) module is relevant only when using Transform as a standalone library. Typically, a TFX user constructs a `preprocessing_fn`, and the rest of the\nTransform library calls are made by the Transform component.\n\nYou can also use the Apache Beam `MLTransform` class to preprocess data\nfor training and inference. The `MLTransform` class wraps multiple TFX data\nprocessing transforms in one class. For more information, see\n[Preprocess data with MLTransform](https://beam.apache.org/documentation/ml/preprocess-data)\nin the Apache Beam documentation."]]
