TensorFlow 生产教程

这些教程将帮助您入门，并帮助您学习使用 TFX 进行生产工作流程和部署的几种不同方法。特别是，您将学习开发 TFX 管道的两种主要风格

  • 使用 InteractiveContext 在笔记本中开发管道，一次处理一个组件。这种风格使开发更容易，更符合 Python 风格。
  • 定义整个管道并使用运行器执行它。这就是您部署管道时的样子。

入门教程

您可能构建的最简单的管道，可帮助您入门。单击“在 Google Colab 中运行”按钮。
在简单管道的基础上添加数据验证组件。
在数据验证管道的基础上添加特征工程组件。
在简单管道的基础上添加模型分析组件。

TFX 在 Google Cloud 上

Google Cloud 提供 BigQuery、Vertex AI 等各种产品，使您的 ML 工作流程更具成本效益和可扩展性。您将学习如何在 TFX 管道中使用这些产品。
在托管管道服务 Vertex Pipelines 上运行管道。
使用 BigQuery 作为 ML 管道的数据源。
使用 Vertex AI 的云资源进行 ML 训练和服务。
使用 TFX 和 Cloud AI Platform Pipelines 的入门介绍。

下一步

在您对 TFX 有了基本了解之后，请查看这些额外的教程和指南。并且不要忘记阅读 TFX 用户指南。
对 TFX 的逐个组件介绍，包括交互式上下文，这是一个非常有用的开发工具。单击“在 Google Colab 中运行”按钮。
一个教程，展示了如何开发您自己的自定义 TFX 组件。
此 Google Colab 笔记本演示了如何使用 TensorFlow 数据验证 (TFDV) 来调查和可视化数据集，包括生成描述性统计信息、推断模式以及查找异常。
此 Google Colab 笔记本演示了如何使用 TensorFlow 模型分析 (TFMA) 来调查和可视化数据集的特征，并根据几个准确性轴评估模型的性能。
此教程演示了如何使用 TensorFlow Serving 使用简单的 REST API 提供模型服务。

视频和更新

订阅 TFX YouTube 播放列表 和 博客 以获取最新的视频和更新。

TF 开发者峰会 2020
观看视频
TF 世界 2019
观看视频
GOTO 哥本哈根 2019
观看视频