访问官网
Github
文档项目简介
TensorFlow Extended（TFX）是由谷歌开发的机器学习平台，专门负责在生产环境中大规模处理机器学习任务。它是建立在 TensorFlow 之上的，可用来创建和管理复杂的机器学习流水线。
TFX 的功能与组件
TFX 提供了一个配置框架，允许用户通过 TFX 组件组合表达机器学习流水线。这些流水线能够通过 Apache Airflow 和 Kubeflow Pipelines 进行编排。这意味着用户可以在不同的环境中灵活地安排和执行流水线任务。
TFX 的每个组件都可以进行扩展，包括与编排系统的集成，因此用户可以根据特定需求自定义自己的流水线。
组件与元数据
TFX 组件之间的交互通过一个称为 ML Metadata 的后端进行管理。这个元数据后端负责记录组件的运行情况，包括输入和输出的工件（artifact）以及运行时的配置。这个特性允许更复杂的功能，比如实验的追踪、模型的暖启动（warmstarting）或从先前的运行中恢复模型。
文档与开发指南
TFX 提供详细的用户指南和开发参考文档。用户可以通过这些文档了解如何使用和扩展 TFX 平台。TFX 的开发路线图每季度更新一次，为用户展示未来的发展方向。
此外，作为一个开源项目，TFX 鼓励机器学习社区积极参与其开发，通过评论请求（RFC）来帮助完善和定制 TFX 平台，以更好地满足用户需求。
示例项目
TFX 提供了一些示例项目，如芝加哥出租车流水线示例，可以帮助用户更好地理解如何在真实场景中应用 TFX。
版本兼容性
TFX 各个版本与其主要依赖包有严格的兼容性要求。这些依赖关系经过测试，以确保系统的稳定性和性能。用户在使用不同版本时，可以参考版本兼容性表来选择合适的包版本。
资源学习
TFX 提供了一系列学习资源，包括官方教程、YouTube 视频和 Coursera 专业课程。这些资源可以帮助用户更深入地理解和使用 TFX。
教程与视频
- TFX 官方教程中提供了一些详细的步骤和代码示例，帮助用户快速上手。
- YouTube 上有专门的 TFX 播放列表，涵盖平台的各个方面。
在线课程
- Coursera 提供的机器学习工程生产化课程专题中包括 MLOps 专业课程，涵盖在谷歌云上使用机器学习流水线。
- 这些课程旨在帮助用户更好地了解如何设计和管理生产级机器学习流水线。
通过这些资源学习，用户可以在短时间内掌握使用 TFX 开发生产级机器学习应用的能力。
