社区开发的 TFX 组件、示例和工具

TFX-Addons 在 PyPI 上可用于所有操作系统。要安装最新版本,请运行

pip install tfx-addons

然后,您可以像这样使用 TFX-Addons

from tfx import v1 as tfx
import tfx_addons as tfxa

# Then you can easily load projects tfxa.{project_name}. For example:
tfxa.feast_examplegen.FeastExampleGen(...)

开发者帮助开发者。TFX-Addons 是一个社区项目集合,用于为 TFX 构建新的组件、示例、库和工具。这些项目在特殊兴趣小组 SIG TFX-Addons 的指导下进行组织。

加入社区,与世界分享您的作品!

一个 ExampleGen 组件,用于从 Feast 特征存储 中提取数据集。

使用此 TFX 组件使用各种算法执行特征选择。

一个 TFX 组件,用于将机器学习模型发布/更新到 Firebase ML。

将经过验证的模型推送到 Hugging Face 模型中心。 可选地将应用程序推送到 Hugging Face 空间中心。

通过通知用户(包括任何错误消息)来处理管道的完成或失败。

客户端库,用于检查由 TFX 管道填充的 ML 元数据 中的内容。

ModelCardGenerator 使用 数据集统计信息模型评估已推送的模型 自动填充模型卡的部分内容。

使用 Pandas 数据帧 而不是标准变换组件来进行特征工程。使用 Apache Beam 进行处理,以实现可扩展性。

一个 TFX 组件,用于使用概率估计从示例中采样数据。

将用户代码应用于由 SchemaGen 组件 生成的模式,并根据领域知识对其进行整理。

通过扩展标准 评估器组件 来评估 XGBoost 模型。