TFX-pipeline
forkortelse for TensorFlow Extended pipeline
En TFX-pipeline er en platform fra TensorFlow til at bygge og styre produktions-ML-pipelines.
Kort fortalt
Kort fortalt automatiserer en TFX-pipeline hele maskinlæringsprocessen fra data til deployment.
- Kategori
- værktøj
- Niveau
- øvet
Betydninger
1- 1
En pipeline-platform baseret på TensorFlow til automatisering af ML-workflows, der inkluderer komponenter såsom ExampleGen, StatisticsGen, SchemaGen, Transform, Trainer, Evaluator, Pusher.
- Vi deployede vores model via en TFX-pipeline for at sikre reproducerbarhed.
- TFX-pipelinen håndterer automatisk data-validering og feature-transformation.
Hvornår bruges det
TFX-pipelines anvendes i produktionsmiljøer til at orkestrere data-validering, feature engineering, træning, evaluering og deployment af ML-modeller. De sikrer reproducerbarhed og skalerbarhed ved at standardisere workflowet.
Kodeeksempel
import tfx
from tfx.components import CsvExampleGen, StatisticsGen, SchemaGen, Transform, Trainer, Evaluator, Pusher
from tfx.orchestration import pipeline
pipeline.Pipeline(
pipeline_name='my_pipeline',
pipeline_root='/path/to/pipeline_root',
components=[
CsvExampleGen(input_base='/path/to/data'),
StatisticsGen(),
SchemaGen(),
Transform(),
Trainer(module_file='/path/to/trainer_module.py'),
Evaluator(),
Pusher(model_export='/path/to/serving')
],
enable_cache=True
)Eksempel på definition af en simpel TFX-pipeline med de vigtigste komponenter.
Oprindelse
TFX står for TensorFlow Extended, udviklet af Google som en udvidelse af TensorFlow til produktionsbrug.