一分钟整明白Tensorflow Extended

最新推荐文章于 2024-04-25 09:45:43 发布

深度学习世界

最新推荐文章于 2024-04-25 09:45:43 发布

阅读量2.8k

点赞数 1

本文链接：https://blog.csdn.net/tkkzc3E6s4Ou4/article/details/78559221

版权

TFX 是一个基于 TensorFlow 的大规模机器学习平台，它提供了机器学习的完整生命周期管理，包括数据验证、模型训练和评估、线上服务等。本文介绍了TFX的核心设计原则，如构建通用平台、支持持续训练和服务、人工干预等，并详细阐述了数据分析、转换、验证的关键点，强调了数据一致性在训练和服务中的重要性，以及模型热启动和模型验证的策略。

摘要由CSDN通过智能技术生成

来源： ResysChina

作者：张相於

TFX: A TensorFlow-Based Production-Scale Machine Learning Platform

本文介绍了基于tf搭建一套通用机器学习平台的关键部分和大体流程，但没有给出更详细的介绍。

是KDD 2017 Applied Data Science Paper，作者是谷歌的一大票人，这么多作者，按照经验来看应该是这个平台的主要开发人员。本文介绍的平台取名Tensorflow Extended，也就是说其核心组件都是使用tensorflow来完成的，可以理解为是基于tensorflow的一次二次开发。那么这个tfx和tf有什么区别呢？我的理解，区别主要在于tf提供的是一套功能，可以用来执行模型训练相关的一系列工作，而tfx是构建在tf基础之上的一个包含了机器学习整个生命周期的完整系统，这个系统不只包含了tf所提供的模型训练等机器学习相关功能，还提供了如数据校验和验证、模型热启动、线上服务、模型发布等重要功能。

这篇文章的意义并不在于手把手教你如何搭建一套tfx，而是阐释了搭建一套tfx系统所需要包含的主要组件，以及这些组件在实现时需要考虑哪些关键点，还有作者团队在这其中积累的经验教训。换句话说，更多的是一篇“授人以渔”的文章。对于希望动手实现一套类似tfx这样通用机器学习平台的人来说，具有着重要的指导意义。下面将我认为比较有价值的部分做一摘录和解读。