Aufbau von Pipelines für maschinelles Lernen

Kapitel 2. Einführung in TensorFlow Extended

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Im vorherigen Kapitel haben wir das Konzept der Pipelines für maschinelles Lernen vorgestellt und die Komponenten besprochen, aus denen eine Pipeline besteht. In diesem Kapitel stellen wir TensorFlow Extended (TFX) vor. Die TFX-Bibliothek liefert alle Komponenten, die wir für unsere Pipelines für maschinelles Lernen benötigen. Wir definieren unsere Pipeline-Aufgaben mit TFX, die dann mit einem Pipeline-Orchestrator wie Airflow oder Kubeflow Pipelines ausgeführt werden können. Abbildung 2-1 gibt einen Überblick über die Pipelineschritte und wie die verschiedenen Tools zusammenpassen.

Abbildung 2-1. TFX als Teil von ML-Pipelines

In diesem Kapitel führen wir dich durch die Installation von TFX und erläutern grundlegende Konzepte und Begriffe, die die Grundlage für die folgenden Kapitel bilden. In diesen Kapiteln werfen wir einen detaillierten Blick auf die einzelnen Komponenten, aus denen unsere Pipelines bestehen. In diesem Kapitel stellen wir auch Apache Beam vor. Beam ist ein Open-Source-Tool zum Definieren und Ausführen von Datenverarbeitungsaufträgen. Es wird in TFX-Pipelines in zweierlei Hinsicht eingesetzt: Zum einen läuft es unter der Haube vieler TFX-Komponenten, um Verarbeitungsschritte wie die ...