تبدیل کتابخانه برای کاربران غیر TFX
با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
Transform به عنوان یک کتابخانه مستقل در دسترس است.
مستندات ماژول tft
تنها ماژولی است که به کاربران TFX مربوط می شود. ماژول tft_beam
فقط در صورت استفاده از Transform به عنوان یک کتابخانه مستقل مرتبط است. به طور معمول، یک کاربر TFX یک preprocessing_fn
می سازد و بقیه فراخوانی های کتابخانه Transform توسط جزء Transform انجام می شود.
همچنین می توانید از کلاس Apache Beam MLTransform
برای پیش پردازش داده ها برای آموزش و استنتاج استفاده کنید. کلاس MLTransform
چندین تبدیل پردازش داده TFX را در یک کلاس قرار می دهد. برای اطلاعات بیشتر، پیش پردازش داده با MLTransform را در مستندات Apache Beam ببینید.
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی."],[],[],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."]]