จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
TFX เป็นแพลตฟอร์มแบบครบวงจรสำหรับการปรับใช้ไปป์ไลน์ ML ที่ใช้งานจริง
เมื่อคุณพร้อมที่จะย้ายแบบจำลองจากการวิจัยไปสู่การผลิต ให้ใช้ TFX เพื่อสร้างและจัดการไปป์ไลน์การผลิต
มันทำงานอย่างไร
ไปป์ไลน์ TFX คือลำดับของส่วนประกอบที่ใช้ไปป์ไลน์ ML ซึ่งได้รับการออกแบบมาโดยเฉพาะสำหรับงานแมชชีนเลิร์นนิงที่ปรับขนาดได้และมีประสิทธิภาพสูง ส่วนประกอบถูกสร้างขึ้นโดยใช้ไลบรารี TFX ซึ่งสามารถใช้เป็นรายบุคคลได้
ระดับกลาง
ฝึกฝนและให้บริการโมเดล TensorFlow ด้วย TensorFlow Serving คู่มือนี้จะฝึกโมเดลโครงข่ายประสาทเทียมเพื่อจัดประเภทรูปภาพของเสื้อผ้า เช่น รองเท้าผ้าใบและเสื้อเชิ้ต บันทึกโมเดลที่ได้รับการฝึก จากนั้นให้บริการด้วย TensorFlow Serving จุดเน้นอยู่ที่การให้บริการ TensorFlow มากกว่าการสร้างแบบจำลองและการฝึกอบรมใน TensorFlow
ระดับกลาง
สร้างไปป์ไลน์ TFX ที่โฮสต์บน Google Cloud ข้อมูลเบื้องต้นเกี่ยวกับไปป์ไลน์แพลตฟอร์ม TFX และ Cloud AI เพื่อสร้างไปป์ไลน์การเรียนรู้ของเครื่องของคุณเองบน Google Cloud ปฏิบัติตามกระบวนการพัฒนา ML ทั่วไป โดยเริ่มจากการตรวจสอบชุดข้อมูล และจบลงด้วยขั้นตอนการทำงานที่สมบูรณ์
ระดับกลาง
ใช้ TFX กับ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์ เรียนรู้ว่า TFX สามารถสร้างและประเมินโมเดลการเรียนรู้ของเครื่องที่จะนำไปใช้บนอุปกรณ์ได้อย่างไร ขณะนี้ TFX ให้การสนับสนุนดั้งเดิมสำหรับ TFLite ซึ่งทำให้สามารถทำการอนุมานที่มีประสิทธิภาพสูงบนอุปกรณ์มือถือได้
[[["เข้าใจง่าย","easyToUnderstand","thumb-up"],["แก้ปัญหาของฉันได้","solvedMyProblem","thumb-up"],["อื่นๆ","otherUp","thumb-up"]],[["ไม่มีข้อมูลที่ฉันต้องการ","missingTheInformationINeed","thumb-down"],["ซับซ้อนเกินไป/มีหลายขั้นตอนมากเกินไป","tooComplicatedTooManySteps","thumb-down"],["ล้าสมัย","outOfDate","thumb-down"],["ปัญหาเกี่ยวกับการแปล","translationIssue","thumb-down"],["ตัวอย่าง/ปัญหาเกี่ยวกับโค้ด","samplesCodeIssue","thumb-down"],["อื่นๆ","otherDown","thumb-down"]],[],[],[],null,["# TFX | ML Production Pipelines\n\nTFX is an end-to-end platform for deploying production ML pipelines\n===================================================================\n\nWhen you're ready to move your models from research to production, use TFX to create and manage a production pipeline. \n[Run Colab](https://colab.sandbox.google.com/github/tensorflow/tfx/blob/master/docs/tutorials/tfx/penguin_simple.ipynb)\n\n\nGet started by exploring each built-in component of TFX.\n[View tutorials](/tfx/tutorials)\n\n\nLearn how to use TFX with end-to-end examples.\n[View the guide](/tfx/guide)\n\n\nGuides explain the concepts and components of TFX.\n[Explore addons](/tfx/addons)\n\n\nAdditional TFX components contributed by the community. \n\n### How it works\n\nA 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. \nIngest \\& validate data\n\n*** ** * ** ***\n\nExampleGen\n\n*** ** * ** ***\n\nIngests data into TFX pipelines and optionally splits the input dataset.\n[See guide](http://tensorflow.google.com/tfx/guide/examplegen) \n[ML Metadata](http://tensorflow.google.com/tfx/guide/mlmd) \nStatisticsGen\n\n*** ** * ** ***\n\nGenerates features statistics over both training and serving data.\n[See guide](http://tensorflow.google.com/tfx/guide/statsgen) \nSchemaGen\n\n*** ** * ** ***\n\nCreates schema by inferring types, categories, and ranges from the training data.\n[See guide](http://tensorflow.google.com/tfx/guide/schemagen) \nExampleValidator\n\n*** ** * ** ***\n\nIdentifies anomalies in training and serving data.\n[See guide](http://tensorflow.google.com/tfx/guide/exampleval) \n[TensorFlow Data Validation](http://tensorflow.google.com/tfx/guide/tfdv) \nTrain \\& analyze model\n\n*** ** * ** ***\n\nTransform\n\n*** ** * ** ***\n\nPerforms feature engineering on the dataset.\n[See guide](http://tensorflow.google.com/tfx/guide/transform) \n[TensorFlow Transform](http://tensorflow.google.com/tfx/transform/get_started) \nTuner\n\n*** ** * ** ***\n\nTunes the hyperparameters of the model.\n[See guide](http://tensorflow.google.com/tfx/guide/tuner) \nTrainer\n\n*** ** * ** ***\n\nTrains a TensorFlow model.\n[See guide](http://tensorflow.google.com/tfx/guide/trainer) \n[TensorFlow](http://tensorflow.google.com/tfx/guide/train) \nEvaluator\n\n*** ** * ** ***\n\nPerforms deep analysis of training results and helps validate exported models.\n[See guide](http://tensorflow.google.com/tfx/guide/evaluator) \nInfraValidator\n\n*** ** * ** ***\n\nChecks the model is actually servable from the infrastructure, and prevents bad models from being pushed.\n[See guide](http://tensorflow.google.com/tfx/guide/infra_validator) \n[TensorFlow Model Analysis](http://tensorflow.google.com/tfx/guide/tfma) \nDeploy in production\n\n*** ** * ** ***\n\nPusher\n\n*** ** * ** ***\n\nDeploys the model on a serving infrastructure.\n[See guide](http://tensorflow.google.com/tfx/guide/pusher) \n[TensorFlow Serving, TF Lite \\& TFJS](http://tensorflow.google.com/tfx/guide#deployment_targets) \n\nHow companies are using TFX\n---------------------------\n\n[See case studies](/about/case-studies?filter=TFX) \n[Spotify](https://labs.spotify.com/2020/01/16/for-your-ears-only-personalizing-spotify-home-with-machine-learning/) \n[Airbus](https://blog.tensorflow.org/2020/04/how-airbus-detects-anomalies-iss-telemetry-data-tfx.html) \n[Gmail](https://security.googleblog.com/2020/02/improving-malicious-document-detection.html) \n[OpenX](https://blog.tensorflow.org/2021/02/how-openx-trains-and-serves-for-million-queries-per-second.html) \n\nSolutions to common problems\n----------------------------\n\nExplore step-by-step tutorials to help you with your projects. \nIntermediate\n[Train and serve a TensorFlow model with TensorFlow Serving](/tfx/tutorials/serving/rest_simple) \nThis guide trains a neural network model to classify images of clothing, like sneakers and shirts, saves the trained model, and then serves it with TensorFlow Serving. The focus is on TensorFlow Serving, rather than the modeling and training in TensorFlow. \nIntermediate\n[Create TFX pipelines hosted on Google Cloud](/tfx/tutorials/tfx/cloud-ai-platform-pipelines) \nAn introduction to TFX and Cloud AI Platform Pipelines to create your own machine learning pipelines on Google Cloud. Follow a typical ML development process, starting by examining the dataset, and ending up with a complete working pipeline. \nIntermediate\n[Use TFX with TensorFlow Lite for on-device inference](/tfx/tutorials/tfx/tfx_for_mobile) \nLearn how TFX can create and evaluate machine learning models that will be deployed on-device. TFX now provides native support for TFLite, which makes it possible to perform highly efficient inference on mobile devices. \n\nNews \\& announcements\n---------------------\n\nCheck out our [blog](https://blog.tensorflow.org/search?label=TFX&max-results=20) and [YouTube playlist](https://goo.gle/tfx-youtube) for additional TFX content, \nand subscribe to our TensorFlow newsletter to get the \nlatest announcements sent directly to your inbox. \n[Sign up](/subscribe) \n\nCommunity participation\n-----------------------\n\nSee more ways to participate in the TensorFlow community. \n[Community](/community) \n[TFX on GitHub](https://github.com/tensorflow/tfx) \n[ML Metadata](https://github.com/google/ml-metadata) [TensorFlow Data Validation](https://github.com/tensorflow/data-validation) [TensorFlow Transform](https://github.com/tensorflow/transform) [TensorFlow Model Analysis](https://github.com/tensorflow/model-analysis) [TensorFlow Serving](https://github.com/tensorflow/serving) \n[Stack Overflow](https://stackoverflow.com/questions/tagged/tfx) \n[ML Metadata](https://stackoverflow.com/questions/tagged/mlmd) [TensorFlow Data Validation](https://stackoverflow.com/questions/tagged/tensorflow-data-validation) [TensorFlow Transform](https://stackoverflow.com/questions/tagged/tensorflow-transform) [TensorFlow Model Analysis](https://stackoverflow.com/questions/tagged/tensorflow-model-analysis) [TensorFlow Serving](https://stackoverflow.com/questions/tagged/tensorflow-serving) \n[Issues, bug reports, and feature requests](https://github.com/tensorflow/tfx/issues) \n[ML Metadata](https://github.com/google/ml-metadata/issues) [TensorFlow Data Validation](https://github.com/tensorflow/data-validation/issues) [TensorFlow Transform](https://github.com/tensorflow/transform/issues) [TensorFlow Model Analysis](https://github.com/tensorflow/model-analysis/issues) [TensorFlow Serving](https://github.com/tensorflow/serving/issues) \n[Ask a question on TensorFlow Forum](https://discuss.tensorflow.org/tag/tfx) \n[Join the TFX-Addons Special Interest Group](https://github.com/tensorflow/tfx-addons) \n[Explore Dev Library community projects](https://devlibrary.withgoogle.com/products/ml) \n\nGet started with TFX\n--------------------\n\n[Explore tutorials](/tfx/tutorials)"]]
