TensorFlow in Production tutorials
Najlepszym sposobem nauki TensorFlow Extended (TFX) jest nauka przez działanie. Te samouczki są skupionymi przykładami kluczowych części TFX. Obejmują one samouczki dla początkujących, aby rozpocząć, oraz bardziej zaawansowane samouczki, gdy naprawdę chcesz zagłębić się w bardziej zaawansowane części TFX.
Beginner tutorials
Samouczek dotyczący komponentów TFX
Wprowadzenie krok po kroku do TensorFlow Extended, przy użyciu interfejsu API Keras i działającego w notatniku Google Colab. Kliknij przycisk Uruchom w Google Colab .Samouczek dotyczący przepływu powietrza TFX
Samouczek krok po kroku dotyczący tworzenia potoku TFX w lokalnym środowisku programistycznym, pokazujący integrację z TensorBoard i Jupyter noteboooks.TFX w potokach platformy Cloud AI
Wprowadzenie do korzystania z TensorFlow Extended i Cloud AI Platform Pipelines, które pomoże Ci nauczyć się tworzyć potoki uczenia maszynowego w Google Cloud.Następne kroki
Gdy masz już podstawową wiedzę na temat TFX, zapoznaj się z dodatkowymi samouczkami i przewodnikami. I nie zapomnij przeczytać podręcznika użytkownika TFX .
Walidacji danych
Ten notatnik Google Colab pokazuje, jak TensorFlow Data Validation (TFDV) może służyć 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, w jaki sposób można wykorzystać TensorFlow Model Analysis (TFMA) do badania i wizualizacji cech zbioru danych oraz oceny wydajności modelu w kilku osiach dokładności.Podaj modelowi
W tym samouczku pokazano, jak można użyć usługi TensorFlow Serving do obsługi modelu przy użyciu prostego interfejsu API REST.Filmy i aktualizacje
Zasubskrybuj listę odtwarzania TFX YouTube i blog, aby otrzymywać najnowsze filmy i aktualizacje.
TFX: Production ML z TensorFlow w 2020 roku
Szczyt deweloperów TF 2020
TFX: Produkcja rurociągów ML z TensorFlow
TF World 2019
Przenoszenie uczenia maszynowego od badań do produkcji
GOTO Kopenhaga 2019