Construir Pipelines de Aprendizaje Automático

Capítulo 10. TensorFlow avanzado ampliado

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Con los dos capítulos anteriores sobre implementaciones de modelos, hemos completado nuestra visión general de los componentes individuales de las canalizaciones. Antes de sumergirnos a fondo en la orquestación de estos componentes de canalización, queremos hacer una pausa e introducir conceptos avanzados de TFX en este capítulo.

Con los componentes de canalización que hemos introducido hasta ahora, podemos crear canalizaciones de aprendizaje automático para la mayoría de los problemas. Sin embargo, a veces necesitamos construir nuestro propio componente TFX o gráficos de canalización más complejos. Por ello, en este capítulo nos centraremos en cómo construir componentes TFX personalizados. Introduciremos el tema con un componente de ingestión personalizado que ingiere imágenes directamente para pipelines ML de visión por ordenador. Además, introduciremos conceptos avanzados de estructuras de canalización: generar dos modelos simultáneamente (por ejemplo, para implementaciones con TensorFlow Serving y TFLite), así como añadir un revisor humano al flujo de trabajo de la canalización.

Desarrollos en curso

En el momento de escribir esto, algunos de los conceptos que estamos introduciendo están aún en desarrollo y, por tanto, podrían estar sujetos a futuras actualizaciones. Hemos hecho todo lo posible por actualizar los ejemplos ...