跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

TensorFlow Extended (TFX)

TensorFlow Extended (TFX) 是一个谷歌生产级规模的机器学习平台。它提供了一个配置框架和共享库,用于集成定义、启动和监控机器学习系统的通用组件。TFX 能够构建和管理生产环境中的机器学习工作流,并在各种平台之间编排管道。

访问URL
分享
访问URL
分享

TensorFlow Extended (TFX) 是一个基于 TensorFlow 构建的、全面的、生产级规模的机器学习 (ML) 平台。它提供了一个强大的配置框架和一套共享库,旨在简化定义、启动和监控复杂机器学习系统所需的核心组件的集成。TFX 使用户能够在生产环境中有效地构建和管理机器学习工作流。

阅读更多

TFX 的核心是提供一个用于构建机器学习管道的工具集。这些管道可以跨各种平台进行编排,包括 Apache Airflow、Apache Beam 和 Kubeflow Pipelines,从而在部署方面提供灵活性。该平台还提供了一组标准组件,可提供经过验证的功能,从而简化了构建机器学习流程的初始阶段。这些组件可以独立使用,也可以作为更大管道的一部分使用。此外,TFX 还包含构成其许多标准组件基础功能的库,使开发人员能够将这些功能集成到他们的自定义组件中或单独使用它们。

TFX 管道是为可扩展、高性能的机器学习任务设计的组件序列,涵盖建模、训练、推理服务以及部署到各种目标(如在线、原生移动和 JavaScript 应用程序)的管理。关键组件包括用于数据摄取的 ExampleGen、用于计算统计数据的 StatisticsGen、用于创建数据模式的 SchemaGen、用于异常检测的 ExampleValidator、用于特征工程的 Transform、用于模型训练的 Trainer 以及用于分析训练结果的 Evaluator。该平台还支持使用 Tuner 进行超参数调优,并在通过 Pusher 部署之前使用 InfraValidator 验证模型的可服务性。

TFX 生态系统集成了几个强大的库。TensorFlow Data Validation (TFDV) 用于分析和验证机器学习数据,提供可扩展的统计计算、模式生成和异常检测。TensorFlow Transform (TFT) 使用 TensorFlow 处理特征工程,确保训练和推理之间的一致性。TensorFlow Model Analysis (TFMA) 提供工具来评估大型数据集上的 TensorFlow 模型,而 TensorFlow Metadata (TFMD) 提供机器学习元数据的标准表示。ML Metadata (MLMD) 记录和检索与机器学习工作流相关的元数据,支持通过各种数据存储进行持久化。

TFX 设计为可移植,支持多种环境和编排框架,如 Apache Airflow、Apache Beam 和 Kubeflow,以及云平台,如谷歌云平台 (GCP)。它与 Cloud AI Platform(用于训练和预测)和 Cloud Dataflow(用于分布式数据处理)等托管 GCP 服务进行互操作。该平台支持的部署目标包括用于生产环境的 TensorFlow Serving、用于原生移动和物联网应用的 TensorFlow Lite,以及用于浏览器和 Node.js 部署的 TensorFlow.js。

对于开发人员而言,TFX 为机器学习项目的每个阶段提供了一个强大的平台,从研究和实验到部署。它强烈建议为模型训练和部署实现 TFX 管道,利用 Transform 组件来利用 TensorFlow Transform 进行一致的预处理和分析代码,从而避免训练/服务偏差。这确保了在训练和推理期间应用相同的预处理逻辑,只需编写一次代码。

  • 类别MLOps 与模型部署
  • 定价模式开源
  • 部署云端、本地部署
  • 平台网页版

  • 基于 TensorFlow 的生产级机器学习平台

  • 机器学习系统的配置框架

  • 通用机器学习组件的共享库

  • 跨平台(Airflow、Kubeflow、Beam)的机器学习工作流编排

  • 机器学习任务的标准组件(数据摄取、验证、转换、训练、评估)

  • 与 TensorFlow Data Validation (TFDV) 集成,用于数据分析和验证

  • 与 TensorFlow Transform (TFT) 集成,用于特征工程

  • 与 TensorFlow Model Analysis (TFMA) 集成,用于模型评估

  • 支持超参数调优

  • 模型验证和可服务性检查

  • 部署到 TensorFlow Serving、TensorFlow Lite 和 TensorFlow.js

  • 跨本地和云环境的可移植性

  • 统一的管道管理 CLI

  1. 安装 TFX:使用 pip install tfx。

  2. 配置管道:使用 TFX 组件和编排器定义您的机器学习工作流。

  3. 构建管道:集成标准或自定义组件以进行数据处理、训练和评估。

  4. 运行管道:使用受支持的编排器(如 Airflow 或 Kubeflow)执行您的 TFX 管道。

  5. 部署模型:利用 Pusher 组件将训练好的模型部署到 TensorFlow Serving 等目标。

  6. 监控和迭代:分析模型性能和数据以持续改进。

  • 生产机器学习管道
  • 数据验证和分析
  • 特征工程
  • 模型训练和评估
  • 模型部署
  • MLOps 自动化
  • 超参数优化
  • 可扩展数据处理

Google 旗下产品

TensorFlow 的一项功能。

TensorFlow Extended (TFX) 评价

加载中...

与 TensorFlow Extended (TFX) 类似的热门AI工具

Seldon Core 2

AI 框架

Seldon Core 2 是一个原生于 Kubernetes 的框架,用于大规模部署和管理机器学习 (ML) 和大型语言模型 (LLM) 系统。它提供了一个灵活的、模块化的架构,适用于本地、混合和多云环境,确保 MLOps 和 LLMOps 的标准化、增强的可观测性和成本效益。

MLOps 与模型部署
查看工具

AI 框架

原生于 Kubernetes 的框架,用于大规模部署和管理机器学习 (ML) 和大型语言模型 (LLM) 系统。它提供了一个灵活的、模块化的架构,适用于本地、混合和多云环境,确保 MLOps 和 LLMOps 的标准化、增强的可观测性和成本效益。Seldon Core 2 是一个原生于 Kubernetes 的框架,用于大规模部署和管理机器学习 (ML) 和大型语言模型 (LLM) 系统。它提供了一个灵活的、模块化的架构,适用于本地、混合和多云环境,确保 MLOps 和 LLMOps 的标准化、增强的可观测性和成本效益。

MLOps 与模型部署
查看 AI 框架 Top 50

TensorFlow

AI 框架

TensorFlow 是一个面向所有人的端到端开源机器学习平台。它提供了灵活的工具、库和社区资源生态系统,使得创建和部署机器学习模型变得简单。

机器学习平台
查看工具

AI 框架

面向所有人的端到端开源机器学习平台。它提供了灵活的工具、库和社区资源生态系统,使得创建和部署机器学习模型变得简单。TensorFlow 是一个面向所有人的端到端开源机器学习平台。它提供了灵活的工具、库和社区资源生态系统,使得创建和部署机器学习模型变得简单。

精选机器学习平台
查看 AI 框架 Top 50

Cortex

AI 应用

Cortex 是一个工程运营平台,旨在增强工程团队的可见性、治理和效率。它与超过 50 种工具集成,以简化操作并减少开发者摩擦,从而实现更快的 AI 驱动软件交付,而不增加风险。

AI DevOps 与云工具

首席技术官 排名第 14 位

查看工具

AI 应用

工程运营平台,旨在增强工程团队的可见性、治理和效率。它与超过 50 种工具集成,以简化操作并减少开发者摩擦,从而实现更快的 AI 驱动软件交付,而不增加风险。Cortex 是一个工程运营平台,旨在增强工程团队的可见性、治理和效率。它与超过 50 种工具集成,以简化操作并减少开发者摩擦,从而实现更快的 AI 驱动软件交付,而不增加风险。

AI DevOps 与云工具
首席技术官 排名第 14 位

LiteRT

AI 框架

LiteRT 是 Google 的高性能设备端机器学习框架,用于在边缘平台部署 GenAI 和 ML 模型。它在 TensorFlow Lite 的基础上,提供高效的模型转换、运行时和优化,以实现跨越数十亿设备的低延迟和高隐私性。

MLOps 与模型部署
查看工具

AI 框架

Google 的高性能设备端机器学习框架,用于在边缘平台部署 GenAI 和 ML 模型。它在 TensorFlow Lite 的基础上,提供高效的模型转换、运行时和优化,以实现跨越数十亿设备的低延迟和高隐私性。LiteRT 是 Google 的高性能设备端机器学习框架,用于在边缘平台部署 GenAI 和 ML 模型。它在 TensorFlow Lite 的基础上,提供高效的模型转换、运行时和优化,以实现跨越数十亿设备的低延迟和高隐私性。

MLOps 与模型部署
查看 AI 框架 Top 50

DeepDetect

AI 框架

DeepDetect 是一个专为深度学习模型部署和管理设计的 AI 框架。它简化了服务机器学习模型的过程,使开发人员能够高效地将 AI 功能集成到他们的应用程序中。该平台专注于提供一个强大的后端,用于实时推理和模型监控。

MLOps 与模型部署
查看工具

AI 框架

专为深度学习模型部署和管理设计的 AI 框架。它简化了服务机器学习模型的过程,使开发人员能够高效地将 AI 功能集成到他们的应用程序中。该平台专注于提供一个强大的后端,用于实时推理和模型监控。DeepDetect 是一个专为深度学习模型部署和管理设计的 AI 框架。它简化了服务机器学习模型的过程,使开发人员能够高效地将 AI 功能集成到他们的应用程序中。该平台专注于提供一个强大的后端,用于实时推理和模型监控。

MLOps 与模型部署
查看 AI 框架 Top 50

TensorFlow

AI GitHub 仓库

TensorFlow 是一个为所有人设计的开源机器学习框架。它提供了一个全面的生态系统,用于构建和部署机器学习模型,使开发者和研究人员都能轻松使用。

机器学习平台
查看工具

AI GitHub 仓库

为所有人设计的开源机器学习框架。它提供了一个全面的生态系统,用于构建和部署机器学习模型,使开发者和研究人员都能轻松使用。TensorFlow 是一个为所有人设计的开源机器学习框架。它提供了一个全面的生态系统,用于构建和部署机器学习模型,使开发者和研究人员都能轻松使用。

精选机器学习平台
查看 AI GitHub 仓库 Top 250

Kubeflow

AI 平台

Kubeflow 简化了在 Kubernetes 上部署机器学习工作流的过程,使其变得简单和自动化。它是开源的,由社区构建,为人工智能平台团队提供了模块化和可扩展的解决方案。

MLOps 与模型部署

AI 平台 排名第 102 位

查看工具

AI 平台

简化了在 Kubernetes 上部署机器学习工作流的过程,使其变得简单和自动化。它是开源的,由社区构建,为人工智能平台团队提供了模块化和可扩展的解决方案。Kubeflow 简化了在 Kubernetes 上部署机器学习工作流的过程,使其变得简单和自动化。它是开源的,由社区构建,为人工智能平台团队提供了模块化和可扩展的解决方案。

精选MLOps 与模型部署
AI 平台 排名第 102 位

Wallaroo.ai

AI 平台

Wallaroo.ai 是一个 AI 平台,提供用于部署、管理和监控机器学习模型的工具。它旨在简化 MLOps 生命周期,使团队能够更快、更自信地将 AI 推向生产。该平台支持各种模型类型并与现有工作流集成。

MLOps 与模型部署

AI 平台 排名第 144 位

查看工具

AI 平台

AI 平台,提供用于部署、管理和监控机器学习模型的工具。它旨在简化 MLOps 生命周期,使团队能够更快、更自信地将 AI 推向生产。该平台支持各种模型类型并与现有工作流集成。Wallaroo.ai 是一个 AI 平台,提供用于部署、管理和监控机器学习模型的工具。它旨在简化 MLOps 生命周期,使团队能够更快、更自信地将 AI 推向生产。该平台支持各种模型类型并与现有工作流集成。

MLOps 与模型部署
AI 平台 排名第 144 位
1/8