Ma encam ne ji pêşbîniyê beşek ji perwerdehiya modelê ye?
Di warê fêrbûna makîneyê de, nemaze di çarçoweya Fêrbûna Makîneya Cloud Google de, gotina "Encam ji pêşbîniyê bêtir beşek ji perwerdehiya modelê ye" bi tevahî ne rast e. Encam û pêşbînkirin qonaxên cihêreng ên di xeta fêrbûna makîneyê de ne, ku her yek ji armancek cûda re xizmet dike û di xalên cihêreng de diqewime.
Xizmetkirina modelekê tê çi wateyê?
Xizmetkirina modelek di çarçoweya îstîxbarata artificial (AI) de pêvajoya çêkirina modelek perwerdekirî ji bo çêkirina pêşbîniyan an pêkanîna karên din ên di hawîrdorek hilberînê de vedibêje. Ew tê de bicîhkirina modelê li ser serverek an binesaziyek ewr e ku li wir dikare daneyên têketinê werbigire, wê pêvajoy bike, û encamek xwestî biafirîne.
- Weşandin Îstîxbaratê ya sûnî, EITC/AI/GCML Fêrbûna Makîna Ewr a Google, Di Fêrbûna Makîneyê de gavên din, Daneyên mezin ji bo modelên perwerdehiyê di ewr de
Çima ji bo TFX girîng e ku her gava ku tê meşandin tomarên darvekirinê ji bo her pêkhateyê bigire?
Ji bo TFX (TensorFlow Extended) girîng e ku her gava ku ji ber çend sedeman tê xebitandin ji bo her pêkhateyê tomarên darvekirinê biparêze. Van tomar, ku wekî metadata jî têne zanîn, ji bo mebestên cihêreng, di nav de debugkirin, dubarebûn, vedîtin, û analîza performansa modelê, wekî çavkaniyek hêja ya agahdariyê xizmet dikin. Bi girtin û hilanîna agahiyên berfireh li ser
- Weşandin Îstîxbaratê ya sûnî, Bingehîn TensorFlow EITC/AI/TFF, TensorFlow Extended (TFX), Metadata, Nirxandina îmtîhanê
Ji bo rêveberiya boriyê û xweşbîniyê qatên horizontî di TFX de çi ne?
TFX, ku ji bo TensorFlow Extended radiweste, ji bo avakirina boriyên fêrbûna makîneyê yên amade-hilberînê platformek berfereh-dawî-dawî ye. Ew komek amûr û hêmanan peyda dike ku pêşkeftin û bicîhkirina pergalên fêrbûna makîneyê ya berbelav û pêbawer hêsan dike. TFX ji bo çareserkirina kêşeyên rêvebirin û xweşbînkirina boriyên fêrbûna makîneyê hatî çêkirin, ku zanyarên daneyê çalak dike.