导语： 本文是 tensorflow 手册翻译系列的第二十八篇。 本文档介绍转换库的情况。 目录 安装 依赖库 兼容版本 问题 正文 TensorFlow Transform是一个用于使用TensorFlow预处理数据的库。 tf.Transform对于需要完全通过的数据很有用，例如： 通过平均值和标准偏差对输入值进行归一化。 通过在所有输入值上生成词汇表，将字符串转换为整数。 通过根据观察到的数据分布将浮点数分配给存储桶，将浮点数转换为整数。 TensorFlow内置了对单个示例或一批示例进行操作的支持。 tf.Transform扩展了这些功能，以支持对示例数据的全过程。 tf.Transform的...

导语： 本文是 tensorflow 手册翻译系列的第二十七篇。 本文档介绍转换库的情况。 转换也可以作为独立库使用。 大多数库文档与TFX用户无关，因为TFX用户仅构造preprocessing_fn，其余的Transform库调用则由Transform组件进行。

导语： 本文是 tensorflow 手册翻译系列的第二十六篇。 本文档详细介绍数据验证的实践过程。 目录 计算描述性数据统计 在 google 云上运行 根据数据推断模式 检查数据中的错误 将数据集的统计信息与模式进行匹配 根据示例检查错误 模式环境 检查数据的歪斜和趋势 编写自定义数据连接器 正文 Tensorflow数据验证（TFDV）可以分析训练和提供数据以： 计算描述性统计数据， 推断一个模式， 检测数据异常。 核心API支持每一项功能，其便捷方法建立在顶部，并且可以在笔记本的上下文中调用...

导语： 本文是 tensorflow 手册翻译系列的第二十五篇。 本文档详细介绍探索和验证机器学习数据。 目录 从 Pypi 进行安装 从 Docker 进行构建 安装 Docker 克隆 TFDV 库 构建 pip 包 安装 pip 包 从源进行构建 先决条件 克隆 TFDV 库 构建 pip 包 安装 pip 包 ...

导语： 本文是 tensorflow 手册翻译系列的第二十四篇。 本文档详细介绍如何分析和转换数据。 目录 TensorFlow 数据验证 总揽 以例子验证为基础的模式 训练服务的歪斜检测 趋势检测 使用可视化检查数据 确定 正文 一旦数据进入TFX管道，就可以使用TFX组件进行分析和转换。您甚至可以在训练模型之前使用这些工具。 分析和转换数据的原因很多： 在数据中查找问题。常见问题包括： 缺少数据，例如具有空值的要素。 标签被视...

导语： 本文是 tensorflow 手册翻译系列的第二十三篇。 本文档详细介绍协调 TFX Pipelines。 正文 Kubeflow是一个开源ML平台，致力于使机器学习（ML）工作流在Kubernetes上的部署变得简单，可移植和可扩展。 Kubeflow Pipelines是Kubeflow平台的一部分，该平台支持在Kubeflow上组合和执行可重复的工作流，并结合了实验和基于笔记本的体验。 Kubernetes上的Kubeflow Pipelines服务包括托管的元数据存储，基于容器的编排引擎，笔记本服务器和UI，可帮助用户大规模开发，运行和管理复杂的ML管道。 Kubeflow Pipelines SDK允许以编程方式创建和共享组件，组成和管线。 有关...

导语： 本文是 tensorflow 手册翻译系列的第二十二篇。 本文档详细介绍协调 TFX Pipelines。 正文 一些TFX组件依赖Beam进行分布式数据处理。 另外，TFX可以使用Apache Beam来协调和执行管道DAG。 Beam Orchestrator使用的BeamRunner与用于组件数据处理的BeamRunner不同。 使用默认的DirectRunner设置，Beam Orchestrator可以用于本地调试，而不会产生额外的Airflow或Kubeflow依赖关系，从而简化了系统配置。 有关详细信息，请参见Beam上的TFX示例。