TensorFlow Extended (TFX)
forkortelse for TensorFlow Extended
TensorFlow Extended (TFX) er en open source-platform til implementering og styring af produktionsklare machine learning-pipelines baseret på TensorFlow.
Kort fortalt
TFX er et værktøj, der gør det nemmere at bygge, teste og overvåge ML-modeller i produktion.
- Kategori
- værktøj
- Niveau
- øvet
Betydninger
1- 1
En open source-platform, der tilbyder en samling af biblioteker og komponenter til at bygge, validere og implementere ML-pipelines i produktion.
- Virksomheden brugte TFX til at automatisere deres modeltræning og -deployment. — Google, 2019
- TFX’s Evaluator-komponent analyserer modellens ydelse før godkendelse. — TensorFlow documentation
Hvornår bruges det
TFX bruges i virksomheder, der har brug for at automatisere deres ML-workflows fra datavalidering til modeldeployment. Det integrerer med TensorFlow og understøtter orkestrering med Apache Beam, Airflow eller Kubeflow.
Kodeeksempel
import tfx
from tfx.components import CsvExampleGen, Trainer, Pusher
example_gen = CsvExampleGen(input_base=data_path)
trainer = Trainer(module_file=module_file, examples=example_gen.outputs['examples'])
pusher = Pusher(model=trainer.outputs['model'], push_destination=...)Eksempel på en TFX-pipeline med dataindlæsning, træning og deployment.
Oprindelse
Udviklet af Google som en udvidelse til TensorFlow til produktionsbrug. Første offentlige udgivelse i 2019.
Afledte ord
2Kilder
2- TensorFlow Extended: A Platform for Production ML
- TensorFlow Extended official documentation