在生产环境中使用 TensorFlow 的教程
在实际操作中掌握知识是学习 TensorFlow Extended (TFX) 的最佳方式。这些教程中提供了侧重于 TFX 关键部分的示例，其中包括适合入门学习的初学者教程，以及适合您在真正希望深入了解 TFX 的更高级部分时学习的更高级教程。
入门教程
1. 入门流水线
可能是您可以构建的最简单的流水线，可以帮助您入门。点击“在 Google Colab 中运行”按钮。2. 添加数据验证
在简单流水线的基础上添加数据验证组件。3. 添加特征工程组件
在数据验证流水线的基础上添加特征工程组件。4. 添加模型分析组件
在简单流水线的基础上添加模型分析组件。Google Cloud 上的 TFX
Google Cloud 提供各种产品（例如 BigQuery、Vertex AI），可让机器学习工作流程变得成本效益高且可扩容。在本教程中，您将学习如何在 TFX 流水线中使用这些工具。
在 Vertex Pipelines 上运行
在托管式流水线服务 Cloud AI Platform Pipelines 上运行流水线。读取来自 BigQuery 的数据
将 BigQuery 用作机器学习流水线的数据源。Vertex AI Training
通过 Vertex AI Training 将云端资源用于机器学习训练。在 Cloud AI Platform Pipelines 中使用 TFX
本教程介绍了如何使用 TFX 和 Cloud AI Platform Pipelines。后续步骤
对 TFX 有基本的了解之后，请查看这些其他教程和指南。别忘了阅读 TFX 用户指南。
Data Validation（数据验证）
此 Google Colab 笔记本演示了可以如何使用 TensorFlow Data Validation (TFDV) 调查数据集并将其可视化，包括生成描述性统计信息、推断架构并发现异常情况。模型分析
此 Google Colab 笔记本演示了可以如何使用 TensorFlow Model Analysis (TFMA) 调查和可视化数据集的特性，并评估模型在多个方面的准确率性能。应用模型
此教程演示了如何通过 TensorFlow Serving 使用简单的 REST API 应用模型。视频和动态
订阅 TFX YouTube 播放列表和博客，获取最新视频和动态。
TFX：2020 年基于 TensorFlow 的生产型机器学习平台
2020 年 TensorFlow 开发者峰会
TFX：使用 TensorFlow 部署生产型机器学习流水线
2019 年 TensorFlow World 大会
将机器学习模型从研究状态切换到生产状态
2019 年哥本哈根 GOTO 大会