TensorFlow dalam tutorial Produksi
TFX 1.0
Kami dengan senang hati mengumumkan ketersediaan TFX 1.0.0 . Ini adalah rilis pasca-beta awal TFX, yang menyediakan API dan artefak publik yang stabil. Anda dapat yakin bahwa saluran pipa TFX Anda di masa mendatang akan tetap berfungsi setelah peningkatan dalam cakupan kompatibilitas yang ditentukan dalam RFC ini.
Memulai tutorial
1. Pipa Pemula
Mungkin saluran pipa paling sederhana yang dapat Anda buat, untuk membantu Anda memulai. Klik tombol Jalankan di Google Colab .2. Menambahkan Validasi Data
Membangun alur sederhana untuk menambahkan komponen validasi data.3. Menambahkan Rekayasa Fitur
Membangun jalur validasi data untuk menambahkan komponen rekayasa fitur.4. Menambahkan Analisis Model
Membangun jalur pipa sederhana untuk menambahkan komponen analisis model.TFX di Google Cloud
Google Cloud menyediakan berbagai produk seperti BigQuery, Vertex AI untuk membuat alur kerja ML Anda hemat biaya dan skalabel. Anda akan belajar cara menggunakan produk tersebut di saluran TFX Anda.
Berjalan di Vertex Pipelines
Menjalankan pipeline pada layanan pipeline terkelola, Vertex Pipelines.Baca data dari BigQuery
Menggunakan BigQuery sebagai sumber data pipeline ML.Pelatihan dan Penyajian Vertex AI
Menggunakan sumber daya cloud untuk pelatihan dan penyajian ML dengan Vertex AI.TFX di Cloud AI Platform Pipeline
Pengantar tentang penggunaan TFX dan Cloud AI Platform Pipelines.Langkah berikutnya
Setelah Anda memiliki pemahaman dasar tentang TFX, periksa tutorial dan panduan tambahan ini. Dan jangan lupa untuk membaca Panduan Pengguna TFX .
Tutorial Pipa Lengkap
Pengenalan komponen demi komponen untuk TFX, termasuk konteks interaktif , alat pengembangan yang sangat berguna. Klik tombol Jalankan di Google Colab .Tutorial Komponen Kustom
Tutorial yang menunjukkan cara mengembangkan komponen TFX kustom Anda sendiri.Validasi data
Notebook Google Colab ini menunjukkan bagaimana TensorFlow Data Validation (TFDV) dapat digunakan untuk menyelidiki dan memvisualisasikan kumpulan data, termasuk membuat statistik deskriptif, menyimpulkan skema, dan menemukan anomali.Analisis Model
Notebook Google Colab ini menunjukkan bagaimana TensorFlow Model Analysis (TFMA) dapat digunakan untuk menyelidiki dan memvisualisasikan karakteristik kumpulan data dan mengevaluasi kinerja model di beberapa sumbu akurasi.Melayani Model
Tutorial ini menunjukkan bagaimana TensorFlow Serving dapat digunakan untuk menyajikan model menggunakan REST API sederhana.Video dan pembaruan
Berlangganan ke Daftar Putar YouTube dan blog TFX untuk video dan pembaruan terbaru.
TFX: ML Produksi dengan TensorFlow pada tahun 2020
KTT Dev TF 2020
TFX: Pipeline ML Produksi dengan TensorFlow
Dunia TF 2019
Mengambil Pembelajaran Mesin dari Riset ke Produksi
GOTO Kopenhagen 2019