Tensorflow em tutoriais de produção

Esses tutoriais irão ajudá-lo a começar e aprender algumas maneiras diferentes de trabalhar com o TFX para fluxos de trabalho de produção e implantações. Em particular, você aprenderá os dois estilos principais de desenvolvimento de um pipeline TFX:

  • Usando o InteractiveContext para desenvolver um pipeline em um notebook, trabalhando com um componente por vez. Este estilo torna o desenvolvimento mais fácil e mais Pythonico.
  • Definir um pipeline inteiro e executá-lo com um executor. Esta é a aparência dos seus pipelines quando você os implantar.

Tutoriais de primeiros passos

-__1. Starter Pipeline__ --- Provavelmente o pipeline mais simples que você pode construir para ajudá-lo a começar. Clique no botão _Executar no Google Colab_. [:octicons-arrow-right-24: Pipeline inicial](tutorials/tfx/penguin_simple) - __2. Adicionando validação de dados__ --- Baseando-se no pipeline simples para adicionar componentes de validação de dados. [:octicons-arrow-right-24: Validação de dados](tutorials/tfx/penguin_tfdv) - __3. Adicionando engenharia de recursos__ --- Baseando-se no pipeline de validação de dados para adicionar um componente de engenharia de recursos. [:octicons-arrow-right-24: Engenharia de recursos](tutorials/tfx/penguin_tft) - __4. Adicionando análise de modelo__ --- Baseando-se no pipeline simples para adicionar um componente de análise de modelo. [:octicons-arrow-right-24: Análise de modelo](tutoriais/tfx/penguin_tfma)

TFX no Google Cloud

O Google Cloud oferece vários produtos como BigQuery e Vertex AI para tornar seu fluxo de trabalho de ML econômico e escalonável. Você aprenderá como usar esses produtos em seu pipeline TFX.

- __Executando em Vertex Pipelines__ --- Executando pipelines em um serviço de pipeline gerenciado, Vertex Pipelines. [:octicons-arrow-right-24: Vertex Pipelines](tutorials/tfx/gcp/vertex_pipelines_simple) - __Leia dados do BigQuery__ --- Usando o BigQuery como fonte de dados de pipelines de ML. [:octicons-arrow-right-24: BigQuery](tutorials/tfx/gcp/vertex_pipelines_bq) - __Vertex AI Training and Serving__ --- Uso de recursos de nuvem para treinamento de ML e veiculação com Vertex AI. [:octicons-arrow-right-24: Vertex Training and Serving](tutorials/tfx/gcp/vertex_pipelines_vertex_training) - __TFX em Cloud AI Platform Pipelines__ --- Uma introdução ao uso de TFX e Cloud AI Platform Pipelines. [:octicons-arrow-right-24: Cloud Pipelines](tutoriais/tfx/cloud-ai-platform-pipelines)

Próximas etapas

Depois de ter uma compreensão básica do TFX, verifique estes tutoriais e guias adicionais. E não se esqueça de ler o Guia do usuário do TFX .

- __Tutorial completo do pipeline__ --- Uma introdução componente por componente ao TFX, incluindo o _contexto interativo_, uma ferramenta de desenvolvimento muito útil. Clique no botão _Executar no Google Colab_. [:octicons-arrow-right-24: Keras](tutorials/tfx/components_keras) - __Custom Component Tutorial__ --- Um tutorial mostrando como desenvolver seus próprios componentes TFX personalizados. [:octicons-arrow-right-24: Componente personalizado](tutorials/tfx/python_function_component) - __Data Validation__ --- Este notebook do Google Colab demonstra como o TensorFlow Data Validation (TFDV) pode ser usado para investigar e visualizar um conjunto de dados, incluindo a geração estatísticas descritivas, inferir um esquema e encontrar anomalias. [:octicons-arrow-right-24: Validação de dados](tutorials/data_validation/tfdv_basic) - __Model Analysis__ --- Este notebook do Google Colab demonstra como o TensorFlow Model Analysis (TFMA) pode ser usado para investigar e visualizar as características de um conjunto de dados e avaliar o desempenho de um modelo ao longo de vários eixos de precisão. [:octicons-arrow-right-24: Análise de modelo](tutorials/model_análise/tfma_basic) - __Servir um modelo__ --- Este tutorial demonstra como o TensorFlow Serving pode ser usado para servir um modelo usando uma API REST simples. [:octicons-arrow-right-24: Análise de modelo](tutoriais/serving/rest_simple)

Vídeos e atualizações

Assine a lista de reprodução e o blog do TFX no YouTube para obter os vídeos e atualizações mais recentes.