TensorFlow Extended (TFX) es una plataforma de extremo a extremo para implementar canalizaciones de producción de AA
Cuando estés listo para que tus modelos pasen de la investigación a la producción, usa TFX para crear y administrar una canalización de producción.
Cómo funciona
A 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.
Soluciones para problemas comunes
Explora instructivos paso a paso para obtener ayuda con tus proyectos.
Esta guía entrena un modelo de red neuronal para que clasifique imágenes de ropa, como zapatillas y camisas, guarde el modelo entrenado y después lo entregue con TensorFlow Serving. Se centra en TensorFlow Serving, en lugar del modelado y entrenamiento en TensorFlow.
Una introducción a TensorFlow Extended (TFX) y a las canalizaciones de Cloud AI Platform para que crees tus propias canalizaciones de aprendizaje automático en Google Cloud. Sigue un típico proceso de desarrollo de AA: comienza por el análisis del conjunto de datos y termina con una canalización completa y en funcionamiento.
Aprende cómo TensorFlow Extended (TFX) puede crear y evaluar modelos de aprendizaje automático que se implementarán en el dispositivo. TFX ahora cuenta con compatibilidad nativa para TFLite, lo que posibilita realizar inferencia de alta eficiencia en los dispositivos móviles.
Cómo usan TFX las empresas
Noticias y anuncios
Visita nuestro blog y nuestra lista de reproducción de YouTube para encontrar contenido adicional de TFX
y suscríbete a nuestro boletín informativo mensual de TensorFlow para recibir los
anuncios más recientes directamente en tu casilla de correo.
Neural structured learning can be used to train neural networks with structured signals. Learn how to build a graph-regularized model with NSL in TFX using custom components and try it yourself in an interactive Colab.
A whirlwind tour of Sibyl and TFX, two successive end-to-end (E2E) ML platforms at Alphabet. Learn how the history of TFX has helped inform the discipline of ML Engineering.
TFX and TFJS partnered with Magenta to launch a new AI-driven experience for Indian Independence Day, which transforms users’ voices into instruments that come together to celebrate Indian culture through a collaborative music project.
En este blog de dos partes, se explica cómo los Concur Labs de SAP usaron bibliotecas y extensiones de TensorFlow para simplificar la implementación de los modelos de BERT.