پیاده سازی با استفاده از TF و TFX

دستورالعمل های تست و اشکال زدایی در این دوره می تواند برای پیاده سازی پیچیده باشد. می توانید برخی از دستورالعمل ها را با استفاده از TensorFlow و TensorFlow Extended (TFX) پیاده سازی کنید. TFX یک خط لوله ML سرتاسر بر اساس TensorFlow است. برای یک نسخه آزمایشی، این مثال TFX سرتاسری را مشاهده کنید. برای تکمیل مثال پایان به انتها، جدول زیر منابع موجود در TF و TFX را بر اساس دستورالعمل فهرست می کند. فقط دستورالعمل های پشتیبانی شده توسط TF یا TFX فهرست شده است.

راهنما	پیاده سازی TF/TFX
دستورالعمل هایی برای اشکال زدایی مدل ML شما
کاوش در داده های خود برای درک آن	داده های خود را با استفاده از پانداها یا وجوه کاوش کنید. پانداها: نمونه اکتشاف داده جنبه‌ها: صفحه Facets GitHub را ببینید .
اعتبار سنجی داده های ورودی با استفاده از طرحواره داده	از اعتبارسنجی داده های TensorFlow استفاده کنید.
پیاده سازی تست برای کد ML	ابتدا مدل های TF خود را با Eager Execution اشکال زدایی کنید. سپس تست ها را با Tensorflow Testing بنویسید .
معیارهای
تولید معیارهای مدل	TensorBoard نمودار TF شما را تجسم می کند و معیارها را ترسیم می کند. Tensorboard: Graph Visualization را ببینید.
استقرار به خط لوله
تست کیفیت مدل در تولید	از تحلیل مدل تنسورفلو استفاده کنید.
بررسی انحراف در خدمت آموزش	با به اشتراک گذاشتن کد مهندسی ویژگی در آموزش و ارائه با استفاده از TFX Transform از انحراف ویژگی جلوگیری کنید.
ردیابی کهنگی مدل	--