Pour apprendre à utiliser TensorFlow Extended (TFX), rien ne vaut la pratique ! Ces tutoriels illustrent, à l'aide d'exemples précis, les éléments essentiels de TFX. Vous y trouverez des tutoriels d'initiation à TFX, ainsi que d'autres plus techniques pour découvrir les fonctionnalités plus avancées de TFX.
Nous sommes ravis de vous annoncer le lancement de TFX 1.0.0. Cette version initiale post-bêta de TFX fournit des API et des artefacts publics stables. Avec celle-ci, vous avez l'assurance que vos futurs pipelines fonctionneront même après une mise à niveau, conformément à la compatibilité définie dans cette RFC.
1. Pipeline de démarrage
Sans doute le pipeline le plus simple que vous puissiez créer, pour vous aider à vous lancer. Cliquez sur le bouton Exécuter dans Google Colab.2. Ajouter la validation des données
Utilisez le pipeline de base pour ajouter des composants de validation des données.3. Ajouter l'extraction de caractéristiques
Utilisez le pipeline de validation des données pour ajouter un composant d'extraction de caractéristiques.4. Ajouter une analyse de modèle
Utilisez le pipeline de base pour ajouter un composant d'analyse de modèle.Exécuter sur Vertex Pipelines
Exécutez des pipelines sur un service de pipelines géré, Cloud AI Platform Pipelines.Lire des données de BigQuery
Utilisez BigQuery comme source de données des pipelines de ML.Entraînement Vertex AI
Utilisez les ressources cloud pour l'entraînement ML avec l'entraînement Vertex AI.TFX sur Cloud AI Platform Pipelines
Introduction à l'utilisation de TFX et de Cloud AI Platform Pipelines.Dès que vous maîtrisez les bases de TFX, consultez ces autres guides et tutoriels. Et n'oubliez pas de lire le Guide de l'utilisateur de TFX.
Tutoriel sur le pipeline complet
Présentation composant par composant de TFX, y compris du contexte interactif, un outil de développement très utile. Cliquez sur le bouton Exécuter dans Google Colab.Tutoriel sur les composants personnalisés
Tutoriel expliquant comment développer vos propres composants TFX personnalisés.Validation des données
Ce notebook Google Colab montre comment utiliser TensorFlow Data Validation (TFDV) pour examiner et visualiser un ensemble de données. Il y est ainsi question de la génération de statistiques descriptives, de l'inférence d'un schéma et de la recherche d'anomalies.Model Analysis
Ce notebook Google Colab explique comment TensorFlow Model Analysis (TFMA) peut être utilisé pour examiner et visualiser les caractéristiques d'un ensemble de données, et évaluer les performances d'un modèle le long de plusieurs axes de justesse.Diffuser un modèle
Ce tutoriel explique comment utiliser TensorFlow Serving pour diffuser un modèle à l'aide d'une API REST simple.TFX : pipelines de ML de production avec TensorFlow
TF World 2019