Questi tutorial ti aiuteranno a iniziare e ti aiuteranno a imparare alcuni modi diversi di lavorare con TFX per flussi di lavoro e distribuzioni di produzione. In particolare, imparerai i due stili principali di sviluppo di una pipeline TFX:
Utilizzo di InteractiveContext per sviluppare una pipeline in un notebook, lavorando con un componente alla volta. Questo stile rende lo sviluppo più semplice e più pitonico.
Definizione di un'intera pipeline ed esecuzione con un runner. Ecco come appariranno le tue pipeline quando le distribuirai.
Tutorial introduttivi
- __1. Starter Pipeline__ --- Probabilmente la pipeline più semplice che puoi costruire, per aiutarti a iniziare. Fai clic sul pulsante _Esegui in Google Colab_. [:octicons-arrow-right-24: Starter Pipeline](tutorials/tfx/penguin_simple) - __2. Aggiunta di convalida dei dati__ --- Basandosi sulla pipeline semplice per aggiungere componenti di convalida dei dati. [:octicons-arrow-right-24: Convalida dati](tutorials/tfx/penguin_tfdv) - __3. Aggiunta di ingegneria delle funzionalità__ --- Basandosi sulla pipeline di convalida dei dati per aggiungere un componente di ingegneria delle funzionalità. [:octicons-arrow-right-24: Ingegneria delle funzionalità](tutorials/tfx/penguin_tft) - __4. Aggiunta dell'analisi del modello__ --- Basandosi sulla pipeline semplice per aggiungere un componente di analisi del modello. [:octicons-arrow-right-24: Analisi del modello](tutorial/tfx/penguin_tfma)
TFX su Google Cloud
Google Cloud offre vari prodotti come BigQuery e Vertex AI per rendere il tuo flusso di lavoro ML conveniente e scalabile. Imparerai come utilizzare questi prodotti nella tua pipeline TFX.
- __In esecuzione su Vertex Pipelines__ --- Esecuzione di pipeline su un servizio pipeline gestito, Vertex Pipelines. [:octicons-arrow-right-24: Vertex Pipelines](tutorials/tfx/gcp/vertex_pipelines_simple) - __Leggi dati da BigQuery__ --- Utilizzo di BigQuery come origine dati di pipeline ML. [:octicons-arrow-right-24: BigQuery](tutorials/tfx/gcp/vertex_pipelines_bq) - __Vertex AI Training and Serving__ --- Utilizzo delle risorse cloud per la formazione e il servizio ML con Vertex AI. [:octicons-arrow-right-24: Vertex Training and Serving](tutorials/tfx/gcp/vertex_pipelines_vertex_training) - __TFX su Cloud AI Platform Pipelines__ --- Un'introduzione all'uso di TFX e Cloud AI Platform Pipelines. [:octicons-arrow-right-24: Cloud Pipelines](tutorial/tfx/cloud-ai-platform-pipelines)
Passaggi successivi
Una volta acquisita una conoscenza di base di TFX, controlla questi tutorial e guide aggiuntivi. E non dimenticare di leggere la Guida per l'utente di TFX .
- __Tutorial sulla pipeline completa__ --- Un'introduzione componente per componente a TFX, incluso il _contesto interattivo_, uno strumento di sviluppo molto utile. Fai clic sul pulsante _Esegui in Google Colab_. [:octicons-arrow-right-24: Keras](tutorials/tfx/components_keras) - __Tutorial sui componenti personalizzati__ --- Un tutorial che mostra come sviluppare i tuoi componenti TFX personalizzati. [:octicons-arrow-right-24: Componente personalizzato](tutorials/tfx/python_function_component) - __Data Validation__ --- Questo notebook di Google Colab dimostra come è possibile utilizzare TensorFlow Data Validation (TFDV) per analizzare e visualizzare un set di dati, inclusa la generazione statistiche descrittive, deduzione di uno schema e individuazione di anomalie. [:octicons-arrow-right-24: Data Validation](tutorials/data_validation/tfdv_basic) - __Model Analysis__ --- Questo notebook di Google Colab dimostra come è possibile utilizzare TensorFlow Model Analysis (TFMA) per analizzare e visualizzare le caratteristiche di un set di dati e valutare le prestazioni di un modello lungo diversi assi di precisione. [:octicons-arrow-right-24: Model Analysis](tutorials/model_analysis/tfma_basic) - __Serve a Model__ --- Questo tutorial dimostra come è possibile utilizzare TensorFlow Serving per servire un modello utilizzando una semplice API REST. [:octicons-arrow-right-24: Analisi del modello](tutorial/serving/rest_simple)