当您准备好将模型从研究状态切换到生产状态时，可以使用 TFX 创建和管理生产流水线。
当您准备好训练多个模型，或准备将您的精彩模型投入使用并部署到生产环境中时，TFX 可以帮助您构建完整的机器学习流水线。
A TFX 流水线是一系列实现机器学习流水线的组件，专门用于可扩展的高性能机器学习任务。这包括针对在线、原生移动和 JavaScript 目标建模、训练、运行推断和管理部署。要了解详情，请阅读我们的 TFX 用户指南。
流水线组件使用 TFX 库构建而成，这些库也可以单独使用。下面概述了这些底层库。
TensorFlow Data Validation (TFDV) 能够帮助开发者大规模地理解、验证和监控机器学习数据。Google 每天都使用 TFDV 分析和验证 PB 级的数据，并且在帮助 TFX 用户维护机器学习流水线正常运行方面，TFDV 一贯表现良好。
在将机器学习应用于现实世界的数据集时，需要投入很多精力才能将数据预处理为合适的格式，其中包括在各种格式之间进行转换、对文本进行标记化和词干化、创建词汇表、执行归一化等各种数字操作。您可以使用 tf.Transform 完成所有这些操作。
TensorFlow Model Analysis (TFMA) 让开发者能够计算和可视化模型的评估指标。在部署任何机器学习 (ML) 模型之前，机器学习开发者需要评估模型的性能，以确保其达到特定的质量阈值，并且能够针对所有相关数据切片展示出与预期相符的行为。例如，模型针对整个评估数据集的 AUC 可能是可接受的，但针对特定切片却表现不佳。TFMA 为开发者提供了深入了解其模型性能的工具。
See updates to help you with your work, and subscribe to our monthly TensorFlow newsletter to get the latest announcements sent directly to your inbox.
了解 Google 如何应用 Beam 构建机器学习流水线，包括 TFX 如何使用 Beam 以及选择 Beam 的原因。
