Tensorflow Extended (TFX) 实际应用：构建可用于生产的深度学习管道

在本教程中，我们将探索 TensorFlow Extended (TFX)。TFX 由 Google 开发，是用于部署生产 ML 管道的端到端平台。在这里，我们将了解如何从头开始构建一个。我们将探索可以使用的不同内置组件，这些组件涵盖了机器学习的整个生命周期。从研究和开发到训练和部署。

但首先，让我们从一些基本概念和术语开始，以确保我们都在同一页面上。

我强烈推荐 Google 云团队的 Google Cloud 上的 ML 管道课程或 DeepLearning.ai 的 TensorFlow 高级部署场景，以通过整体课程提高您的技能。

我强烈推荐 Google 云团队的 Google Cloud 上的 ML 管道课程或 DeepLearning.ai 的 TensorFlow 高级部署场景，以通过整体课程提高您的技能。

Google Cloud 上的 ML 管道 使用 TensorFlow 的高级部署场景

TFX 词汇表

组件是管道的构建块，是执行所有工作的组件。组件可以完整使用，也可以用我们自己的代码覆盖。

组件

元数据存储是所有组件的唯一真实来源。它基本上包含 3 个内容：

元数据存储

工件及其属性：这些可以是经过训练的模型、数据、指标组件和管道的执行记录有关工作流的元数据（组件的顺序、输入、输出等）

工件及其属性：这些可以是经过训练的模型、数据、指标

工件及其属性：这些可以是经过训练的模型、数据、指标

组件和管道的执行记录

组件和管道的执行记录

有关工作流的元数据（组件的顺序、输入、输出等）

有关工作流的元数据（组件的顺序、输入、输出等）

TFX 管道是 ML 工作流的可移植实现，由组件实例和输入参数组成

TFX 管道 编排器 Apache Airflow 来自 .