Daten aufnehmen und validieren


BeispielGen


Nimmt Daten in TFX-Pipelines auf und teilt optional den Eingabedatensatz auf.

Siehe Anleitung  
ML Metadatensymbol
ML Metadaten  

StatisticsGen


Generiert Feature-Statistiken über Trainings- und Serving-Daten.

Siehe Anleitung  

SchemaGen


Erstellt ein Schema, indem Typen, Kategorien und Bereiche aus den Trainingsdaten abgeleitet werden.

Siehe Anleitung  

ExampleValidator


Identifiziert Anomalien beim Training und beim Bereitstellen von Daten.

Siehe Anleitung  
TensorFlow-Datenüberprüfungssymbol
TensorFlow-Datenvalidierung  

Modell trainieren und analysieren


Verwandeln


Führt Feature-Engineering für das Dataset durch.

Siehe Anleitung  
TensorFlow-Transformationssymbol
TensorFlow-Transformation  

Tuner


Optimiert die Hyperparameter des Modells.

Siehe Anleitung  

Trainer


Trainiert ein TensorFlow-Modell.

Siehe Anleitung  
TensorFlow-Symbol
TensorFlow  

Bewerter


Führt eine gründliche Analyse der Trainingsergebnisse durch und hilft bei der Validierung exportierter Modelle.

Siehe Anleitung  

InfraValidator


Überprüft, ob das Modell tatsächlich über die Infrastruktur bedient werden kann, und verhindert, dass fehlerhafte Modelle übertragen werden.

Siehe Anleitung  
Symbol für die TensorFlow-Modellanalyse
TensorFlow-Modellanalyse  

In der Produktion bereitstellen


Pusher


Stellt das Modell auf einer bedienenden Infrastruktur bereit.

Siehe Anleitung  
TensorFlow Serving, TF Lite & TFJS-Symbol
TensorFlow Serving, TF Lite & TFJS