সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন
আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
TFX হল প্রোডাকশন ML পাইপলাইন স্থাপনের জন্য এন্ড-টু-এন্ড প্ল্যাটফর্ম
আপনি যখন আপনার মডেলগুলিকে গবেষণা থেকে উৎপাদনে নিয়ে যেতে প্রস্তুত হন, তখন একটি উৎপাদন পাইপলাইন তৈরি এবং পরিচালনা করতে TFX ব্যবহার করুন।
কিভাবে এটা কাজ করে
একটি TFX পাইপলাইন হল উপাদানগুলির একটি ক্রম যা একটি ML পাইপলাইন বাস্তবায়ন করে যা বিশেষভাবে পরিমাপযোগ্য, উচ্চ-পারফরম্যান্স মেশিন লার্নিং কাজের জন্য ডিজাইন করা হয়েছে। উপাদানগুলি TFX লাইব্রেরি ব্যবহার করে তৈরি করা হয় যা পৃথকভাবেও ব্যবহার করা যেতে পারে।
মধ্যবর্তী
টেনসরফ্লো সার্ভিং সহ একটি টেনসরফ্লো মডেলকে প্রশিক্ষণ দিন এবং পরিবেশন করুন এই নির্দেশিকাটি স্নিকার এবং শার্টের মতো পোশাকের চিত্রগুলিকে শ্রেণিবদ্ধ করতে একটি নিউরাল নেটওয়ার্ক মডেলকে প্রশিক্ষণ দেয়, প্রশিক্ষিত মডেলটিকে সংরক্ষণ করে এবং তারপরে টেনসরফ্লো সার্ভিং এর সাথে পরিবেশন করে৷ টেনসরফ্লোতে মডেলিং এবং প্রশিক্ষণের পরিবর্তে টেনসরফ্লো সার্ভিংয়ের উপর ফোকাস করা হয়।
মধ্যবর্তী
Google ক্লাউডে হোস্ট করা TFX পাইপলাইন তৈরি করুন Google ক্লাউডে আপনার নিজস্ব মেশিন লার্নিং পাইপলাইন তৈরি করতে TFX এবং ক্লাউড এআই প্ল্যাটফর্ম পাইপলাইনগুলির একটি ভূমিকা৷ একটি সাধারণ ML বিকাশ প্রক্রিয়া অনুসরণ করুন, ডেটাসেট পরীক্ষা করে শুরু করে এবং একটি সম্পূর্ণ কার্যকরী পাইপলাইন দিয়ে শেষ হয়।
[null,null,[],[],[],null,["# TFX | ML Production Pipelines\n\nTFX is an end-to-end platform for deploying production ML pipelines\n===================================================================\n\nWhen you're ready to move your models from research to production, use TFX to create and manage a production pipeline. \n[Run Colab](https://colab.sandbox.google.com/github/tensorflow/tfx/blob/master/docs/tutorials/tfx/penguin_simple.ipynb)\n\n\nGet started by exploring each built-in component of TFX.\n[View tutorials](/tfx/tutorials)\n\n\nLearn how to use TFX with end-to-end examples.\n[View the guide](/tfx/guide)\n\n\nGuides explain the concepts and components of TFX.\n[Explore addons](/tfx/addons)\n\n\nAdditional TFX components contributed by the community. \n\n### How it works\n\nA TFX pipeline is a sequence of components that implement an ML pipeline which is specifically designed for scalable, high-performance machine learning tasks. Components are built using TFX libraries which can also be used individually. \nIngest \\& validate data\n\n*** ** * ** ***\n\nExampleGen\n\n*** ** * ** ***\n\nIngests data into TFX pipelines and optionally splits the input dataset.\n[See guide](http://tensorflow.google.com/tfx/guide/examplegen) \n[ML Metadata](http://tensorflow.google.com/tfx/guide/mlmd) \nStatisticsGen\n\n*** ** * ** ***\n\nGenerates features statistics over both training and serving data.\n[See guide](http://tensorflow.google.com/tfx/guide/statsgen) \nSchemaGen\n\n*** ** * ** ***\n\nCreates schema by inferring types, categories, and ranges from the training data.\n[See guide](http://tensorflow.google.com/tfx/guide/schemagen) \nExampleValidator\n\n*** ** * ** ***\n\nIdentifies anomalies in training and serving data.\n[See guide](http://tensorflow.google.com/tfx/guide/exampleval) \n[TensorFlow Data Validation](http://tensorflow.google.com/tfx/guide/tfdv) \nTrain \\& analyze model\n\n*** ** * ** ***\n\nTransform\n\n*** ** * ** ***\n\nPerforms feature engineering on the dataset.\n[See guide](http://tensorflow.google.com/tfx/guide/transform) \n[TensorFlow Transform](http://tensorflow.google.com/tfx/transform/get_started) \nTuner\n\n*** ** * ** ***\n\nTunes the hyperparameters of the model.\n[See guide](http://tensorflow.google.com/tfx/guide/tuner) \nTrainer\n\n*** ** * ** ***\n\nTrains a TensorFlow model.\n[See guide](http://tensorflow.google.com/tfx/guide/trainer) \n[TensorFlow](http://tensorflow.google.com/tfx/guide/train) \nEvaluator\n\n*** ** * ** ***\n\nPerforms deep analysis of training results and helps validate exported models.\n[See guide](http://tensorflow.google.com/tfx/guide/evaluator) \nInfraValidator\n\n*** ** * ** ***\n\nChecks the model is actually servable from the infrastructure, and prevents bad models from being pushed.\n[See guide](http://tensorflow.google.com/tfx/guide/infra_validator) \n[TensorFlow Model Analysis](http://tensorflow.google.com/tfx/guide/tfma) \nDeploy in production\n\n*** ** * ** ***\n\nPusher\n\n*** ** * ** ***\n\nDeploys the model on a serving infrastructure.\n[See guide](http://tensorflow.google.com/tfx/guide/pusher) \n[TensorFlow Serving, TF Lite \\& TFJS](http://tensorflow.google.com/tfx/guide#deployment_targets) \n\nHow companies are using TFX\n---------------------------\n\n[See case studies](/about/case-studies?filter=TFX) \n[Spotify](https://labs.spotify.com/2020/01/16/for-your-ears-only-personalizing-spotify-home-with-machine-learning/) \n[Airbus](https://blog.tensorflow.org/2020/04/how-airbus-detects-anomalies-iss-telemetry-data-tfx.html) \n[Gmail](https://security.googleblog.com/2020/02/improving-malicious-document-detection.html) \n[OpenX](https://blog.tensorflow.org/2021/02/how-openx-trains-and-serves-for-million-queries-per-second.html) \n\nSolutions to common problems\n----------------------------\n\nExplore step-by-step tutorials to help you with your projects. \nIntermediate\n[Train and serve a TensorFlow model with TensorFlow Serving](/tfx/tutorials/serving/rest_simple) \nThis guide trains a neural network model to classify images of clothing, like sneakers and shirts, saves the trained model, and then serves it with TensorFlow Serving. The focus is on TensorFlow Serving, rather than the modeling and training in TensorFlow. \nIntermediate\n[Create TFX pipelines hosted on Google Cloud](/tfx/tutorials/tfx/cloud-ai-platform-pipelines) \nAn introduction to TFX and Cloud AI Platform Pipelines to create your own machine learning pipelines on Google Cloud. Follow a typical ML development process, starting by examining the dataset, and ending up with a complete working pipeline. \nIntermediate\n[Use TFX with TensorFlow Lite for on-device inference](/tfx/tutorials/tfx/tfx_for_mobile) \nLearn how TFX can create and evaluate machine learning models that will be deployed on-device. TFX now provides native support for TFLite, which makes it possible to perform highly efficient inference on mobile devices. \n\nNews \\& announcements\n---------------------\n\nCheck out our [blog](https://blog.tensorflow.org/search?label=TFX&max-results=20) and [YouTube playlist](https://goo.gle/tfx-youtube) for additional TFX content, \nand subscribe to our TensorFlow newsletter to get the \nlatest announcements sent directly to your inbox. \n[Sign up](/subscribe) \n\nCommunity participation\n-----------------------\n\nSee more ways to participate in the TensorFlow community. \n[Community](/community) \n[TFX on GitHub](https://github.com/tensorflow/tfx) \n[ML Metadata](https://github.com/google/ml-metadata) [TensorFlow Data Validation](https://github.com/tensorflow/data-validation) [TensorFlow Transform](https://github.com/tensorflow/transform) [TensorFlow Model Analysis](https://github.com/tensorflow/model-analysis) [TensorFlow Serving](https://github.com/tensorflow/serving) \n[Stack Overflow](https://stackoverflow.com/questions/tagged/tfx) \n[ML Metadata](https://stackoverflow.com/questions/tagged/mlmd) [TensorFlow Data Validation](https://stackoverflow.com/questions/tagged/tensorflow-data-validation) [TensorFlow Transform](https://stackoverflow.com/questions/tagged/tensorflow-transform) [TensorFlow Model Analysis](https://stackoverflow.com/questions/tagged/tensorflow-model-analysis) [TensorFlow Serving](https://stackoverflow.com/questions/tagged/tensorflow-serving) \n[Issues, bug reports, and feature requests](https://github.com/tensorflow/tfx/issues) \n[ML Metadata](https://github.com/google/ml-metadata/issues) [TensorFlow Data Validation](https://github.com/tensorflow/data-validation/issues) [TensorFlow Transform](https://github.com/tensorflow/transform/issues) [TensorFlow Model Analysis](https://github.com/tensorflow/model-analysis/issues) [TensorFlow Serving](https://github.com/tensorflow/serving/issues) \n[Ask a question on TensorFlow Forum](https://discuss.tensorflow.org/tag/tfx) \n[Join the TFX-Addons Special Interest Group](https://github.com/tensorflow/tfx-addons) \n[Explore Dev Library community projects](https://devlibrary.withgoogle.com/products/ml) \n\nGet started with TFX\n--------------------\n\n[Explore tutorials](/tfx/tutorials)"]]
