Odpowiedz już dziś na lokalne wydarzenie TensorFlow Everywhere!
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

TensorFlow Extended (TFX) to kompleksowa platforma do wdrażania produkcyjnych potoków ML

Kiedy będziesz gotowy do przeniesienia modeli z badań do produkcji, użyj TFX do tworzenia potoku produkcyjnego i zarządzania nim.

Uruchom Colab

Ten interaktywny samouczek omawia każdy wbudowany składnik TFX.

Zobacz samouczki

Samouczki pokazują, jak używać TFX z pełnymi, kompleksowymi przykładami.

Zobacz przewodnik

Przewodniki wyjaśniają pojęcia i składniki TFX.

Jak to działa

Potok TFX to sekwencja składników, które implementują potok ML, który jest specjalnie zaprojektowany do skalowalnych zadań uczenia maszynowego o wysokiej wydajności. Komponenty są budowane przy użyciu bibliotek TFX, które mogą być również używane indywidualnie.

Rozwiązania typowych problemów

Zapoznaj się z samouczkami krok po kroku, które pomogą Ci w projektach.

Pośredni
Wytrenuj i udostępniaj model TensorFlow z obsługą TensorFlow

Ten przewodnik uczy modelu sieci neuronowej, aby klasyfikować obrazy ubrań, takich jak trampki i koszule, zapisuje wyszkolony model, a następnie udostępnia go z obsługą TensorFlow. Skupiamy się na obsłudze TensorFlow, a nie na modelowaniu i szkoleniu w TensorFlow.

Pośredni
Twórz potoki TFX hostowane w Google Cloud

Wprowadzenie do TensorFlow Extended (TFX) i Cloud AI Platform Pipelines, aby tworzyć własne potoki uczenia maszynowego w Google Cloud. Postępuj zgodnie z typowym procesem rozwoju ML, zaczynając od zbadania zestawu danych, a kończąc na kompletnym potoku roboczym.

Pośredni
Użyj TFX z TensorFlow Lite do wnioskowania na urządzeniu

Dowiedz się, jak TensorFlow Extended (TFX) może tworzyć i oceniać modele uczenia maszynowego, które zostaną wdrożone na urządzeniu. TFX zapewnia teraz natywną obsługę TFLite, co umożliwia wykonywanie wysoce wydajnego wnioskowania na urządzeniach mobilnych.

Wiadomości i ogłoszenia

Sprawdź nasz blog i listę odtwarzania na YouTube, aby uzyskać dodatkowe treści TFX,
i zapisz się do naszego comiesięcznego biuletynu TensorFlow, aby otrzymywać
najnowsze ogłoszenia wysyłane bezpośrednio do Twojej skrzynki odbiorczej.

8 stycznia 2020 r  
Metadane ML: Kontrola wersji dla ML

Złożoność kodu ML i artefaktów, takich jak modele, zestawy danych i wiele innych, wymaga kontroli wersji. Dlatego stworzyliśmy Machine Learning Metadata (MLMD), bibliotekę do śledzenia pełnego pochodzenia całego przepływu pracy ML.

3 grudnia 2020 r  
Inżynieria ML dla wdrożeń produkcyjnych ML z TFX

W tej aktualizacji omówimy podstawy TFX i podkreślimy nowości w tym roku, aby pomóc Ci zacząć. Pokażemy Ci również praktyczne spojrzenie na to, jak połączyć system rurociągów produkcyjnych z TFX.

Kontynuuj
9 października 2020 r  
Uczenie strukturalne neuronowe w TFX

Strukturalne uczenie się neuronowe może być wykorzystywane do uczenia sieci neuronowych za pomocą ustrukturyzowanych sygnałów. Dowiedz się, jak zbudować model regulowany grafem z NSL w TFX przy użyciu niestandardowych komponentów i wypróbuj go samodzielnie w interaktywnej Colab.

25 września 2020 r  
W stronę ML Engineering: Krótka historia TensorFlow Extended (TFX)

Wirowa wycieczka po Sibyl i TFX, dwóch kolejnych platformach ML w Alphabet. Dowiedz się, jak historia TFX pomogła w rozwoju dyscypliny ML Engineering.