TensorFlow w samouczkach produkcyjnych
Te samouczki ułatwią Ci rozpoczęcie pracy i pomogą Ci poznać kilka różnych sposobów pracy z TFX w przypadku produkcyjnych przepływów pracy i wdrożeń. W szczególności poznasz dwa główne style tworzenia potoku TFX:
- Używanie
InteractiveContext
do tworzenia potoku w notatniku i pracy z jednym komponentem na raz. Ten styl sprawia, że programowanie jest łatwiejsze i bardziej Pythoniczne. - Zdefiniowanie całego potoku i wykonanie go za pomocą modułu uruchamiającego. Tak będą wyglądać Twoje potoki po ich wdrożeniu.
Samouczki dla początkujących
1. Rurociąg startowy
Prawdopodobnie najprostszy potok, jaki możesz zbudować, który pomoże Ci zacząć. Kliknij przycisk Uruchom w Google Colab .2. Dodawanie sprawdzania poprawności danych
Opieranie się na prostym procesie dodawania komponentów sprawdzania poprawności danych.3. Dodawanie inżynierii funkcji
Opieranie się na potoku walidacji danych w celu dodania komponentu inżynierii funkcji.4. Dodawanie analizy modelu
Opierając się na prostym procesie dodawania komponentu analizy modelu.TFX w Google Cloud
Google Cloud udostępnia różne produkty, takie jak BigQuery, Vertex AI, dzięki którym przepływ pracy ML jest opłacalny i skalowalny. Dowiesz się, jak wykorzystać te produkty w swoim potoku TFX.
Działa na platformie Vertex Pipelines
Uruchamia potoki w zarządzanej usłudze potoku Vertex Pipelines.Odczyt danych z BigQuery
Używanie BigQuery jako źródła danych potoków uczenia maszynowego.Szkolenie i obsługa Vertex AI
Korzystanie z zasobów w chmurze do szkolenia ML i obsługi za pomocą Vertex AI.TFX na potokach platformy Cloud AI
Wprowadzenie do korzystania z potoków platformy TFX i Cloud AI.Dalsze kroki
Gdy już zdobędziesz podstawową wiedzę na temat TFX, zapoznaj się z dodatkowymi samouczkami i przewodnikami. I nie zapomnij przeczytać Podręcznika użytkownika TFX .
Kompletny samouczek Pipeline
Wprowadzenie do TFX, komponent po komponencie, łącznie z kontekstem interaktywnym , bardzo przydatne narzędzie programistyczne. Kliknij przycisk Uruchom w Google Colab .Samouczek dotyczący komponentów niestandardowych
Samouczek pokazujący, jak tworzyć własne niestandardowe komponenty TFX.Walidacja danych
Ten notatnik Google Colab pokazuje, jak można wykorzystać Walidację danych TensorFlow (TFDV) do badania i wizualizacji zbioru danych, w tym do generowania statystyk opisowych, wnioskowania o schemacie i znajdowania anomalii.Analiza modelu
Ten notatnik Google Colab pokazuje, jak można wykorzystać analizę modelu TensorFlow (TFMA) do badania i wizualizacji cech zbioru danych oraz oceny wydajności modelu na kilku osiach dokładności.Udostępnij model
W tym samouczku pokazano, jak można używać TensorFlow Serving do obsługi modelu przy użyciu prostego interfejsu API REST.Filmy i aktualizacje
Subskrybuj listę odtwarzania TFX YouTube i blog , aby uzyskać najnowsze filmy i aktualizacje.
TFX: Production ML z TensorFlow w 2020 r.
Szczyt twórców TF 2020
TFX: Rurociągi produkcyjne ML z TensorFlow
Świat TF 2019
Przenoszenie uczenia maszynowego od badań do produkcji
GOTO Kopenhaga 2019