TensorFlow trong hướng dẫn sản xuất
Những hướng dẫn này sẽ giúp bạn bắt đầu và giúp bạn tìm hiểu một số cách làm việc khác nhau với TFX cho quy trình sản xuất và triển khai. Đặc biệt, bạn sẽ tìm hiểu hai phong cách chính để phát triển quy trình TFX:
- Sử dụng
InteractiveContextđể phát triển quy trình trong sổ tay, làm việc với từng thành phần một. Phong cách này làm cho việc phát triển dễ dàng hơn và mang tính Pythonic hơn. - Xác định toàn bộ đường dẫn và thực thi nó bằng một trình chạy. Đây là giao diện đường ống của bạn khi bạn triển khai chúng.
Hướng dẫn bắt đầu sử dụng
1. Đường dẫn khởi đầu
Có lẽ là đường dẫn đơn giản nhất mà bạn có thể xây dựng để giúp bạn bắt đầu. Nhấp vào nút Chạy trong Google Colab .2. Thêm xác thực dữ liệu
Xây dựng trên quy trình đơn giản để thêm các thành phần xác thực dữ liệu.3. Thêm Tòa nhà kỹ thuật tính năng
vào quy trình xác thực dữ liệu để thêm thành phần kỹ thuật tính năng.4. Thêm Xây dựng phân tích mô hình
trên quy trình đơn giản để thêm thành phần phân tích mô hình.TFX trên Google Cloud
Google Cloud cung cấp nhiều sản phẩm khác nhau như BigQuery, Vertex AI để giúp quy trình làm việc ML của bạn tiết kiệm chi phí và có thể mở rộng. Bạn sẽ học cách sử dụng những sản phẩm đó trong quy trình TFX của mình.
Chạy trên đường ống của Vertex
Chạy đường ống trên dịch vụ đường ống được quản lý, Đường ống của Vertex.Đọc dữ liệu từ BigQuery
Sử dụng BigQuery làm nguồn dữ liệu của quy trình ML.Đào tạo và phục vụ Vertex AI
Sử dụng tài nguyên đám mây để đào tạo và phục vụ ML với Vertex AI.TFX trên đường ống nền tảng AI trên nền tảng đám mây
Giới thiệu về cách sử dụng đường ống nền tảng TFX và đám mây AI.Bước tiếp theo
Khi bạn đã hiểu cơ bản về TFX, hãy xem các hướng dẫn và hướng dẫn bổ sung này. Và đừng quên đọc Hướng dẫn sử dụng TFX .
Hướng dẫn về quy trình hoàn chỉnh Phần
giới thiệu từng thành phần về TFX, bao gồm bối cảnh tương tác , một công cụ phát triển rất hữu ích. Nhấp vào nút Chạy trong Google Colab .Hướng dẫn Thành phần Tùy chỉnh
Hướng dẫn chỉ ra cách phát triển các thành phần TFX tùy chỉnh của riêng bạn.Xác thực dữ liệu
Sổ tay Google Colab này trình bày cách có thể sử dụng Xác thực dữ liệu TensorFlow (TFDV) để điều tra và trực quan hóa tập dữ liệu, bao gồm tạo số liệu thống kê mô tả, suy ra lược đồ và tìm các điểm bất thường.Phân tích mô hình
Sổ tay Google Colab này trình bày cách có thể sử dụng Phân tích mô hình TensorFlow (TFMA) để điều tra và trực quan hóa các đặc điểm của tập dữ liệu và đánh giá hiệu suất của mô hình theo một số trục chính xác.Phục vụ một mô hình
Hướng dẫn này trình bày cách sử dụng Dịch vụ TensorFlow để phục vụ một mô hình bằng cách sử dụng API REST đơn giản.Video và cập nhật
Đăng ký Danh sách phát YouTube TFX và blog để biết các video và cập nhật mới nhất.
TFX: Sản xuất ML với TensorFlow vào năm 2020
Hội nghị thượng đỉnh TF Dev 2020
TFX: Quy trình sản xuất ML với TensorFlow
Thế Giới TF 2019
Đưa Machine Learning từ nghiên cứu sang sản xuất
GOTO Copenhagen 2019