TensorFlow trong hướng dẫn Sản xuất
Cách tốt nhất để học TensorFlow Extended (TFX) là vừa học vừa làm. Các hướng dẫn này là các ví dụ tập trung về các phần chính của TFX. Chúng bao gồm các hướng dẫn dành cho người mới bắt đầu để bắt đầu và các hướng dẫn nâng cao hơn cho khi bạn thực sự muốn đi sâu vào các phần nâng cao hơn của TFX.
TFX 1.0
Chúng tôi rất vui mừng thông báo sự sẵn có của TFX 1.0.0 . Đây là bản phát hành sau beta đầu tiên của TFX, cung cấp các API và tạo tác công khai ổn định. Bạn có thể yên tâm rằng đường ống TFX tương lai của bạn sẽ tiếp tục làm việc sau khi nâng cấp trong phạm vi khả năng tương thích định nghĩa trong này RFC .
Hướng dẫn bắt đầu
1. Đường ống dành cho người mới bắt đầu
Có thể là đường ống đơn giản nhất mà bạn có thể xây dựng, để giúp bạn bắt đầu. Nhấp vào Run trong nút Google Colab.2. Thêm xác thực dữ liệu
Xây dựng trên đường ống đơn giản để thêm các thành phần xác thực dữ liệu.3. Thêm kỹ thuật tính năng
Xây dựng trên đường dẫn xác thực dữ liệu để thêm một thành phần kỹ thuật tính năng.4. Thêm phân tích mô hình
Xây dựng trên đường ống đơn giản để thêm một thành phần phân tích mô hình.TFX trên Google Cloud
Google Cloud cung cấp các sản phẩm khác nhau như BigQuery, Vertex AI để làm cho quy trình làm việc ML của bạn hiệu quả về chi phí và có thể mở rộng. Bạn sẽ học cách sử dụng các sản phẩm đó trong đường dẫn TFX của mình.
Chạy trên đường ống Vertex
Chạy đường ống trên một dịch vụ đường ống được quản lý, Vertex Pipelines.Đọc dữ liệu từ BigQuery
Sử dụng BigQuery làm nguồn dữ liệu của các đường ống ML.Đào tạo và phục vụ Vertex AI
Sử dụng tài nguyên đám mây để đào tạo và phục vụ ML với Vertex AI.TFX trên Cloud AI Platform Pipelines
Giới thiệu về cách sử dụng Hệ thống nền tảng TFX và Cloud AI.Các bước tiếp theo
Khi bạn đã hiểu cơ bản về TFX, hãy xem các hướng dẫn và hướng dẫn bổ sung này. Và đừng quên để đọc TFX hướng dẫn .
Hướng dẫn hoàn chỉnh về đường ống
Một giới thiệu thành phần-by-thành phần để TFX, bao gồm bối cảnh tương tác, một công cụ phát triển rất hữu ích. Nhấp vào Run trong nút Google Colab.Hướng dẫn về thành phần tùy chỉnh
Hướng dẫn chỉ ra cách phát triển các thành phần TFX tùy chỉnh của riêng bạn.Xác nhận dữ liệu
Sổ tay Google Colab này trình bày cách xác thực dữ liệu TensorFlow (TFDV) có thể được sử dụng để điều tra và trực quan hóa tập dữ liệu, bao gồm tạo thống kê mô tả, suy ra giản đồ và tìm ra điểm bất thường.Phân tích mô hình
Máy tính xách tay Google Colab này trình bày cách sử dụng Phân tích mô hình TensorFlow (TFMA) để điều tra và trực quan hóa các đặc điểm của tập dữ liệu và đánh giá hiệu suất của mô hình theo một số trục chính xác.Phục vụ một mô hình
Hướng dẫn này trình bày cách có thể sử dụng TensorFlow Serving để phục vụ một mô hình bằng cách sử dụng API REST đơn giản.Video và cập nhật
Theo dõi các TFX YouTube Danh sách phát và viết blog cho các video và cập nhật mới nhất.
TFX: Sản xuất ML với TensorFlow vào năm 2020
Hội nghị thượng đỉnh nhà phát triển TF 2020
TFX: Đường ống ML sản xuất với TensorFlow
TF World 2019
Đưa Máy học từ Nghiên cứu sang Sản xuất
GOTO Copenhagen 2019