🕷️ Crawler Inspector

URL Lookup

Direct Parameter Lookup

Raw Queries and Responses

1. Shard Calculation

Query:

Response:

Calculated Shard: 68 (from laksa040)

2. Crawled Status Check

Query:

curl -X POST \
  'http://laksa068.int.ahrefs:8124/' \
  -H 'Content-Type: text/plain' \
  -H 'X-ClickHouse-Database: crawler3' \
  -H 'Authorization: Basic YXBpOg==' \
  -d 'SELECT getAhrefsURLFromUnparsed(src_unparsed) AS found_url, ifNull(toUnixTimestamp(download_stamp), 0) AS crawl_time, ifNull(toUnixTimestamp(props_url_first_seen), 0) AS first_indexed_time, download_http_code AS http_code, src_unparsed AS src_unparsed, src_root_hash AS src_root_hash, history_drop_reason AS history_drop_reason, meta_title AS meta_title, meta_descriptions AS meta_descriptions, attrs_boilerpipe_text AS attrs_boilerpipe_text, attrs_markdown AS attrs_markdown, attrs_readable_markdown AS attrs_readable_markdown, meta_canonical AS meta_canonical FROM crawler3.page_info_local FINAL PREWHERE (src_root_hash, src_unparsed) IN ((getAhrefsRootHashFromUnparsed(getAhrefsUnparsedNoserviceFromURL(\'https://tensorflowcn.cn/tfx/tutorials\')), getAhrefsUnparsedNoserviceFromURL(\'https://tensorflowcn.cn/tfx/tutorials\'))) FORMAT JSONEachRow'

Response:

{"found_url":"https:\/\/tensorflowcn.cn\/tfx\/tutorials","crawl_time":1767611720,"first_indexed_time":1721084768,"http_code":200,"src_unparsed":"cn,tensorflowcn!\/tfx\/tutorials s443","src_root_hash":"3702552337529546868","history_drop_reason":null,"meta_title":"TFX 教程 | TensorFlow - TensorFlow 机器学习平台","meta_descriptions":[],"attrs_boilerpipe_text":"使用收藏整理\n根据您的偏好保存和分类内容。\n入门教程\n1. 初始管道\n您可能构建的最简单的管道，可帮助您入门。单击“在 Google Colab 中运行”按钮。\nTFX 在 Google Cloud 上\nGoogle Cloud 提供 BigQuery、Vertex AI 等各种产品，使您的 ML 工作流程更具成本效益和可扩展性。您将学习如何在 TFX 管道中使用这些产品。\n下一步\n完整管道教程\n对 TFX 的逐个组件介绍，包括\n交互式上下文\n，这是一个非常有用的开发工具。单击“在 Google Colab 中运行”按钮。\n自定义组件教程\n一个教程，展示了如何开发您自己的自定义 TFX 组件。\n数据验证\n此 Google Colab 笔记本演示了如何使用 TensorFlow 数据验证 (TFDV) 来调查和可视化数据集，包括生成描述性统计信息、推断模式以及查找异常。\n模型分析\n此 Google Colab 笔记本演示了如何使用 TensorFlow 模型分析 (TFMA) 来调查和可视化数据集的特征，并根据几个准确性轴评估模型的性能。\n提供模型服务\n此教程演示了如何使用 TensorFlow Serving 使用简单的 REST API 提供模型服务。\n除另有说明外，本页内容根据\n知识共享署名 4.0 许可证\n授权，代码示例根据\nApache 2.0 许可证\n授权。有关详细信息，请参阅\nGoogle 开发者网站政策\n。Java 是 Oracle 和\/或其关联公司的注册商标。\n上次更新时间：2023-09-14 UTC。\n[{ \"type\": \"thumb-down\", \"id\": \"missingTheInformationINeed\", \"label\":\"缺少我需要的信息\" },{ \"type\": \"thumb-down\", \"id\": \"tooComplicatedTooManySteps\", \"label\":\"太复杂\/步骤太多\" },{ \"type\": \"thumb-down\", \"id\": \"outOfDate\", \"label\":\"过时\" },{ \"type\": \"thumb-down\", \"id\": \"samplesCodeIssue\", \"label\":\"示例\/代码问题\" },{ \"type\": \"thumb-down\", \"id\": \"otherDown\", \"label\":\"其他\" }]\n[{ \"type\": \"thumb-up\", \"id\": \"easyToUnderstand\", \"label\":\"易于理解\" },{ \"type\": \"thumb-up\", \"id\": \"solvedMyProblem\", \"label\":\"解决了我的问题\" },{ \"type\": \"thumb-up\", \"id\": \"otherUp\", \"label\":\"其他\" }]","attrs_markdown":"[![TensorFlow](https:\/\/www.gstatic.com\/devrel-devsite\/prod\/v158caafe57d4670a8abac19430cb93c14f6b6846e8f3012a57383593e392bfd9\/tensorflow\/images\/lockup.svg)](https:\/\/tensorflowcn.cn\/)\n\n[安装](https:\/\/tensorflowcn.cn\/install)\n\n[学习](https:\/\/tensorflowcn.cn\/learn)\n\n- [简介 TensorFlow 新手？](https:\/\/tensorflowcn.cn\/learn)\n- [教程 学习如何使用 TensorFlow 进行端到端示例](https:\/\/tensorflowcn.cn\/tutorials)\n- [指南 学习框架概念和组件](https:\/\/tensorflowcn.cn\/guide)\n- [学习机器学习 掌握 TensorFlow 学习路径的教育资源](https:\/\/tensorflowcn.cn\/resources\/learn-ml)\n\n[API](https:\/\/tensorflowcn.cn\/api)\n\n- [TensorFlow (v2.16.1)](https:\/\/tensorflowcn.cn\/api\/stable)\n- [版本…](https:\/\/tensorflowcn.cn\/versions)\n\n- [TensorFlow.js](https:\/\/js.tensorflow.org\/api\/latest\/)\n- [TensorFlow Lite](https:\/\/tensorflowcn.cn\/lite\/api_docs)\n- [TFX](https:\/\/tensorflowcn.cn\/tfx\/api_docs)\n\n[生态系统](https:\/\/tensorflowcn.cn\/resources\/models-datasets)\n\n- 库\n- [TensorFlow.js 使用 JavaScript 开发 Web ML 应用程序](https:\/\/tensorflowcn.cn\/js)\n- [TensorFlow Lite 在移动设备、微控制器和其他边缘设备上部署 ML](https:\/\/tensorflowcn.cn\/lite)\n- [TFX 构建生产 ML 管道](https:\/\/tensorflowcn.cn\/tfx)\n- [所有库 创建高级模型并扩展 TensorFlow](https:\/\/tensorflowcn.cn\/resources\/libraries-extensions)\n\n- 资源\n- [模型和数据集 由 Google 和社区构建的预训练模型和数据集](https:\/\/tensorflowcn.cn\/resources\/models-datasets)\n- [工具 支持和加速 TensorFlow 工作流程的工具](https:\/\/tensorflowcn.cn\/resources\/tools)\n- [负责任的 AI ML 工作流程各个阶段的资源](https:\/\/tensorflowcn.cn\/responsible_ai)\n- [推荐系统 使用开源工具构建推荐系统](https:\/\/tensorflowcn.cn\/resources\/recommendation-systems)\n\n[社区](https:\/\/tensorflowcn.cn\/community)\n\n- [组 用户组、兴趣组和邮件列表](https:\/\/tensorflowcn.cn\/community\/groups)\n- [贡献 贡献代码和文档的指南](https:\/\/tensorflowcn.cn\/community\/contribute)\n- [博客 了解所有 TensorFlow 最新资讯](https:\/\/blog.tensorflowcn.cn\/)\n- [论坛 TensorFlow 社区的讨论平台](https:\/\/discuss.tensorflow.org\/)\n\n[为什么选择 TensorFlow](https:\/\/tensorflowcn.cn\/about)\n\n- [关于](https:\/\/tensorflowcn.cn\/about)\n- [案例研究](https:\/\/tensorflowcn.cn\/about\/case-studies)\n\n- [英语]()\n- [西班牙语 - 拉丁美洲]()\n- [法语]()\n- [印度尼西亚语]()\n- [意大利语]()\n- [波兰语]()\n- [葡萄牙语 - 巴西]()\n- [越南语]()\n- [土耳其语]()\n- [俄语]()\n- [希伯来语]()\n- [阿拉伯语]()\n- [波斯语]()\n- [印地语]()\n- [孟加拉语]()\n- [泰语]()\n- [中文 - 简体]()\n- [中文 - 繁体]()\n- [日语]()\n- [韩语]()\n\n[GitHub](https:\/\/github.com\/tensorflow)\n\n登录\n\n- [用于生产](https:\/\/tensorflowcn.cn\/tfx)\n\n[概述](https:\/\/tensorflowcn.cn\/tfx)\n\n[教程](https:\/\/tensorflowcn.cn\/tfx\/tutorials)\n\n[指南](https:\/\/tensorflowcn.cn\/tfx\/guide)\n\n[TFX-Addons](https:\/\/tensorflowcn.cn\/tfx\/addons)\n\n[API](https:\/\/tensorflowcn.cn\/tfx\/api_overview)\n\n[![TensorFlow](https:\/\/www.gstatic.com\/devrel-devsite\/prod\/v158caafe57d4670a8abac19430cb93c14f6b6846e8f3012a57383593e392bfd9\/tensorflow\/images\/lockup.svg)](https:\/\/tensorflowcn.cn\/)\n\n- [安装](https:\/\/tensorflowcn.cn\/install)\n- [学习](https:\/\/tensorflowcn.cn\/learn)\n  - 更多\n  - [概述](https:\/\/tensorflowcn.cn\/tfx)\n  - [教程](https:\/\/tensorflowcn.cn\/tfx\/tutorials)\n  - [指南](https:\/\/tensorflowcn.cn\/tfx\/guide)\n  - [TFX-Addons](https:\/\/tensorflowcn.cn\/tfx\/addons)\n  - [API](https:\/\/tensorflowcn.cn\/tfx\/api_overview)\n- [API](https:\/\/tensorflowcn.cn\/api)\n  - 更多\n- [生态系统](https:\/\/tensorflowcn.cn\/resources\/models-datasets)\n  - 更多\n- [社区](https:\/\/tensorflowcn.cn\/community)\n  - 更多\n- [为什么选择 TensorFlow](https:\/\/tensorflowcn.cn\/about)\n  - 更多\n- [GitHub](https:\/\/github.com\/tensorflow)\n\n- [开始使用 TFX](https:\/\/tensorflowcn.cn\/tfx\/tutorials)\n- TFX：入门教程\n- [1\\. 初始管道](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/penguin_simple)\n- [2\\. 添加数据验证](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/penguin_tfdv)\n- [3\\. 添加特征工程](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/penguin_tft)\n- [4\\. 添加模型分析](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/penguin_tfma)\n- TFX：交互式教程\n- [交互式教程 (TF2 Keras)](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/components_keras)\n- [交互式教程 (Estimator)](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/components)\n- TFX 在 Google Cloud 上\n- [在 Vertex Pipelines 上运行](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/gcp\/vertex_pipelines_simple)\n- [从 BigQuery 读取数据](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/gcp\/vertex_pipelines_bq)\n- [Vertex AI 训练和服务](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/gcp\/vertex_pipelines_vertex_training)\n- [Cloud AI Platform Pipelines 教程](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/cloud-ai-platform-pipelines)\n- TFX：高级教程\n- [LLM 微调和转换](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/gpt2_finetuning_and_conversion)\n- [自定义组件教程](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/python_function_component)\n- [使用 TFX 进行推荐](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/recommenders)\n- [使用 TFX 进行排名](https:\/\/tensorflowcn.cn\/recommenders\/examples\/ranking_tfx)\n- [Airflow 教程](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/airflow_workshop)\n- [TFX 中的神经结构化学习](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/neural_structured_learning)\n- 数据验证\n- [开始使用 TFDV](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/data_validation\/tfdv_basic)\n- 转换\n- [预处理数据（初学者）](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/transform\/simple)\n- [预处理数据（高级）](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/transform\/census)\n- [使用 Google Cloud 进行机器学习数据预处理](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/transform\/data_preprocessing_with_cloud)\n- 模型分析\n- [开始使用 TFMA](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/model_analysis\/tfma_basic)\n- [公平性指标教程](https:\/\/tensorflowcn.cn\/responsible_ai\/fairness_indicators\/tutorials\/Fairness_Indicators_Example_Colab)\n- 部署训练后的模型\n- [服务器：用于 TensorFlow Serving 的 TFX](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/serving\/rest_simple)\n- [移动和物联网：用于 TensorFlow Lite 的 TFX](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/tfx_for_mobile)\n- ML 元数据\n- [开始使用 MLMD](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/mlmd\/mlmd_tutorial)\n\n- [简介](https:\/\/tensorflowcn.cn\/learn)\n- [教程](https:\/\/tensorflowcn.cn\/tutorials)\n- [指南](https:\/\/tensorflowcn.cn\/guide)\n- [学习机器学习](https:\/\/tensorflowcn.cn\/resources\/learn-ml)\n\n- [TensorFlow (v2.16.1)](https:\/\/tensorflowcn.cn\/api\/stable)\n- [版本…](https:\/\/tensorflowcn.cn\/versions)\n- [TensorFlow.js](https:\/\/js.tensorflow.org\/api\/latest\/)\n- [TensorFlow Lite](https:\/\/tensorflowcn.cn\/lite\/api_docs)\n- [TFX](https:\/\/tensorflowcn.cn\/tfx\/api_docs)\n\n- 库\n- [TensorFlow.js](https:\/\/tensorflowcn.cn\/js)\n- [TensorFlow Lite](https:\/\/tensorflowcn.cn\/lite)\n- [TFX](https:\/\/tensorflowcn.cn\/tfx)\n- [所有库](https:\/\/tensorflowcn.cn\/resources\/libraries-extensions)\n- 资源\n- [模型和数据集](https:\/\/tensorflowcn.cn\/resources\/models-datasets)\n- [工具](https:\/\/tensorflowcn.cn\/resources\/tools)\n- [负责任的 AI](https:\/\/tensorflowcn.cn\/responsible_ai)\n- [推荐系统](https:\/\/tensorflowcn.cn\/resources\/recommendation-systems)\n\n- [组](https:\/\/tensorflowcn.cn\/community\/groups)\n- [贡献](https:\/\/tensorflowcn.cn\/community\/contribute)\n- [博客](https:\/\/blog.tensorflowcn.cn\/)\n- [论坛](https:\/\/discuss.tensorflow.org\/)\n\n- [关于](https:\/\/tensorflowcn.cn\/about)\n- [案例研究](https:\/\/tensorflowcn.cn\/about\/case-studies)\n\n- [TensorFlow](https:\/\/tensorflowcn.cn\/)\n- [学习](https:\/\/tensorflowcn.cn\/learn)\n- [用于生产](https:\/\/tensorflowcn.cn\/tfx)\n- [教程](https:\/\/tensorflowcn.cn\/tfx\/tutorials)\n\n使用收藏整理   根据您的偏好保存和分类内容。\n\n## TensorFlow 生产教程\n这些教程将帮助您入门，并帮助您学习使用 TFX 进行生产工作流程和部署的几种不同方法。特别是，您将学习开发 TFX 管道的两种主要风格\n\n- 使用 `InteractiveContext` 在笔记本中开发管道，一次处理一个组件。这种风格使开发更容易，更符合 Python 风格。\n- 定义整个管道并使用运行器执行它。这就是您部署管道时的样子。\n\n## 入门教程\n[1\\. 初始管道](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/penguin_simple)\n\n您可能构建的最简单的管道，可帮助您入门。单击“在 Google Colab 中运行”按钮。\n\n[2\\. 添加数据验证](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/penguin_tfdv)\n\n在简单管道的基础上添加数据验证组件。\n\n[3\\. 添加特征工程](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/penguin_tft)\n\n在数据验证管道的基础上添加特征工程组件。\n\n[4\\. 添加模型分析](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/penguin_tfma)\n\n在简单管道的基础上添加模型分析组件。\n\n## TFX 在 Google Cloud 上\nGoogle Cloud 提供 BigQuery、Vertex AI 等各种产品，使您的 ML 工作流程更具成本效益和可扩展性。您将学习如何在 TFX 管道中使用这些产品。\n\n[在 Vertex Pipelines 上运行](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/gcp\/vertex_pipelines_simple)\n\n在托管管道服务 Vertex Pipelines 上运行管道。\n\n[从 BigQuery 读取数据](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/gcp\/vertex_pipelines_bq)\n\n使用 BigQuery 作为 ML 管道的数据源。\n\n[Vertex AI 训练和服务](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/gcp\/vertex_pipelines_vertex_training)\n\n使用 Vertex AI 的云资源进行 ML 训练和服务。\n\n[TFX 在 Cloud AI Platform Pipelines 上](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/cloud-ai-platform-pipelines)\n\n使用 TFX 和 Cloud AI Platform Pipelines 的入门介绍。\n## 下一步\n在您对 TFX 有了基本了解之后，请查看这些额外的教程和指南。并且不要忘记阅读 [TFX 用户指南](https:\/\/tensorflowcn.cn\/tfx\/guide)。\n\n[完整管道教程](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/components_keras)\n\n对 TFX 的逐个组件介绍，包括*交互式上下文*，这是一个非常有用的开发工具。单击“在 Google Colab 中运行”按钮。\n\n[自定义组件教程](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/tfx\/python_function_component)\n\n一个教程，展示了如何开发您自己的自定义 TFX 组件。\n\n[数据验证](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/data_validation\/tfdv_basic)\n\n此 Google Colab 笔记本演示了如何使用 TensorFlow 数据验证 (TFDV) 来调查和可视化数据集，包括生成描述性统计信息、推断模式以及查找异常。\n\n[模型分析](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/model_analysis\/tfma_basic)\n\n此 Google Colab 笔记本演示了如何使用 TensorFlow 模型分析 (TFMA) 来调查和可视化数据集的特征，并根据几个准确性轴评估模型的性能。\n\n[提供模型服务](https:\/\/tensorflowcn.cn\/tfx\/tutorials\/serving\/rest_simple)\n\n此教程演示了如何使用 TensorFlow Serving 使用简单的 REST API 提供模型服务。\n\n## 视频和更新\n订阅 [TFX YouTube 播放列表](https:\/\/www.youtube.com\/playlist?list=PLQY2H8rRoyvxR15n04JiW0ezF5HQRs_8F) 和 [博客](https:\/\/blog.tensorflowcn.cn\/search?label=TFX&max-results=20) 以获取最新的视频和更新。\n\n### [TFX：2020 年使用 TensorFlow 进行生产级机器学习](https:\/\/youtu.be\/I3MjuFGmJrg)\nTF 开发者峰会 2020\n\n[观看视频](https:\/\/youtu.be\/I3MjuFGmJrg)\n\n### [TFX：使用 TensorFlow 进行生产级机器学习管道](https:\/\/youtu.be\/TA5kbFgeUlk)\nTF 世界 2019\n\n[观看视频](https:\/\/youtu.be\/TA5kbFgeUlk)\n\n### [将机器学习从研究带到生产](https:\/\/youtu.be\/rly7DqCbtKw)\nGOTO 哥本哈根 2019\n\n[观看视频](https:\/\/youtu.be\/rly7DqCbtKw)\n\n除另有说明外，本页内容根据 [知识共享署名 4.0 许可证](https:\/\/creativecommons.org\/licenses\/by\/4.0\/) 授权，代码示例根据 [Apache 2.0 许可证](https:\/\/apache.ac.cn\/licenses\/LICENSE-2.0) 授权。有关详细信息，请参阅 [Google 开发者网站政策](https:\/\/developers.google.com\/site-policies)。Java 是 Oracle 和\/或其关联公司的注册商标。\n\n上次更新时间：2023-09-14 UTC。\n\n\\[{ \"type\": \"thumb-down\", \"id\": \"missingTheInformationINeed\", \"label\":\"缺少我需要的信息\" },{ \"type\": \"thumb-down\", \"id\": \"tooComplicatedTooManySteps\", \"label\":\"太复杂\/步骤太多\" },{ \"type\": \"thumb-down\", \"id\": \"outOfDate\", \"label\":\"过时\" },{ \"type\": \"thumb-down\", \"id\": \"samplesCodeIssue\", \"label\":\"示例\/代码问题\" },{ \"type\": \"thumb-down\", \"id\": \"otherDown\", \"label\":\"其他\" }\\]\n\n\\[{ \"type\": \"thumb-up\", \"id\": \"easyToUnderstand\", \"label\":\"易于理解\" },{ \"type\": \"thumb-up\", \"id\": \"solvedMyProblem\", \"label\":\"解决了我的问题\" },{ \"type\": \"thumb-up\", \"id\": \"otherUp\", \"label\":\"其他\" }\\]\n\n- ### 保持联系\n  - [博客](https:\/\/blog.tensorflowcn.cn\/)\n  - [论坛](https:\/\/discuss.tensorflow.org\/)\n  - [GitHub](https:\/\/github.com\/tensorflow\/)\n  - [推特](https:\/\/twitter.com\/tensorflow)\n  - [YouTube](https:\/\/youtube.com\/tensorflow)\n- ### 支持\n  - [问题跟踪器](https:\/\/github.com\/tensorflow\/tensorflow\/issues)\n  - [发行说明](https:\/\/github.com\/tensorflow\/tensorflow\/blob\/master\/RELEASE.md)\n  - [Stack Overflow](https:\/\/stackoverflow.com\/questions\/tagged\/tensorflow)\n  - [品牌指南](https:\/\/tensorflowcn.cn\/extras\/tensorflow_brand_guidelines.pdf)\n  - [引用 TensorFlow](https:\/\/tensorflowcn.cn\/about\/bib)\n\n- [条款](https:\/\/policies.google.com\/terms)\n- [隐私](https:\/\/policies.google.com\/privacy)\n- [管理 Cookie](https:\/\/tensorflowcn.cn\/tfx\/tutorials)\n- 注册 TensorFlow 新闻通讯  [订阅](https:\/\/tensorflowcn.cn\/subscribe)\n\n- [英语]()\n- [西班牙语 - 拉丁美洲]()\n- [法语]()\n- [印度尼西亚语]()\n- [意大利语]()\n- [波兰语]()\n- [葡萄牙语 - 巴西]()\n- [越南语]()\n- [土耳其语]()\n- [俄语]()\n- [希伯来语]()\n- [阿拉伯语]()\n- [波斯语]()\n- [印地语]()\n- [孟加拉语]()\n- [泰语]()\n- [中文 - 简体]()\n- [中文 - 繁体]()\n- [日语]()\n- [韩语]()","attrs_readable_markdown":null,"meta_canonical":null}

3. Robots.txt Check

Query:

Response:

4. Spam/Ban Check

Query:

Response:

5. Seen Status Check

ℹ️ Skipped - page is already crawled

📄

INDEXABLE

✅

CRAWLED

3 months ago

🤖

ROBOTS SERVER UNREACHABLE

Failed to connect to robots server: Operation timed out after 2002 milliseconds with 0 bytes received

Page Info Filters

Filter	Status	Condition	Details
HTTP status	PASS	`download_http_code = 200`	HTTP 200
Age cutoff	PASS	`download_stamp > now() - 6 MONTH`	3.3 months ago
History drop	PASS	`isNull(history_drop_reason)`	No drop reason
Spam/ban	PASS	`fh_dont_index != 1 AND ml_spam_score = 0`	ml_spam_score=0
Canonical	PASS	`meta_canonical IS NULL OR = '' OR = src_unparsed`	Not set

Page Details

Property	Value
URL	https://tensorflowcn.cn/tfx/tutorials
Last Crawled	2026-01-05 11:15:20 (3 months ago)
First Indexed	2024-07-15 23:06:08 (1 year ago)
HTTP Status Code	200
Meta Title	TFX 教程 \| TensorFlow - TensorFlow 机器学习平台
Meta Description	null
Meta Canonical	null
Boilerpipe Text	使用收藏整理根据您的偏好保存和分类内容。入门教程 1. 初始管道您可能构建的最简单的管道，可帮助您入门。单击“在 Google Colab 中运行”按钮。 TFX 在 Google Cloud 上 Google Cloud 提供 BigQuery、Vertex AI 等各种产品，使您的 ML 工作流程更具成本效益和可扩展性。您将学习如何在 TFX 管道中使用这些产品。下一步完整管道教程对 TFX 的逐个组件介绍，包括交互式上下文，这是一个非常有用的开发工具。单击“在 Google Colab 中运行”按钮。自定义组件教程一个教程，展示了如何开发您自己的自定义 TFX 组件。数据验证此 Google Colab 笔记本演示了如何使用 TensorFlow 数据验证 (TFDV) 来调查和可视化数据集，包括生成描述性统计信息、推断模式以及查找异常。模型分析此 Google Colab 笔记本演示了如何使用 TensorFlow 模型分析 (TFMA) 来调查和可视化数据集的特征，并根据几个准确性轴评估模型的性能。提供模型服务此教程演示了如何使用 TensorFlow Serving 使用简单的 REST API 提供模型服务。除另有说明外，本页内容根据知识共享署名 4.0 许可证授权，代码示例根据 Apache 2.0 许可证授权。有关详细信息，请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。上次更新时间：2023-09-14 UTC。 [{ "type": "thumb-down", "id": "missingTheInformationINeed", "label":"缺少我需要的信息" },{ "type": "thumb-down", "id": "tooComplicatedTooManySteps", "label":"太复杂/步骤太多" },{ "type": "thumb-down", "id": "outOfDate", "label":"过时" },{ "type": "thumb-down", "id": "samplesCodeIssue", "label":"示例/代码问题" },{ "type": "thumb-down", "id": "otherDown", "label":"其他" }] [{ "type": "thumb-up", "id": "easyToUnderstand", "label":"易于理解" },{ "type": "thumb-up", "id": "solvedMyProblem", "label":"解决了我的问题" },{ "type": "thumb-up", "id": "otherUp", "label":"其他" }]
Markdown	[![TensorFlow](https://www.gstatic.com/devrel-devsite/prod/v158caafe57d4670a8abac19430cb93c14f6b6846e8f3012a57383593e392bfd9/tensorflow/images/lockup.svg)](https://tensorflowcn.cn/) [安装](https://tensorflowcn.cn/install) [学习](https://tensorflowcn.cn/learn) - [简介 TensorFlow 新手？](https://tensorflowcn.cn/learn) - [教程学习如何使用 TensorFlow 进行端到端示例](https://tensorflowcn.cn/tutorials) - [指南学习框架概念和组件](https://tensorflowcn.cn/guide) - [学习机器学习掌握 TensorFlow 学习路径的教育资源](https://tensorflowcn.cn/resources/learn-ml) [API](https://tensorflowcn.cn/api) - [TensorFlow (v2.16.1)](https://tensorflowcn.cn/api/stable) - [版本…](https://tensorflowcn.cn/versions) - [TensorFlow.js](https://js.tensorflow.org/api/latest/) - [TensorFlow Lite](https://tensorflowcn.cn/lite/api_docs) - [TFX](https://tensorflowcn.cn/tfx/api_docs) [生态系统](https://tensorflowcn.cn/resources/models-datasets) - 库 - [TensorFlow.js 使用 JavaScript 开发 Web ML 应用程序](https://tensorflowcn.cn/js) - [TensorFlow Lite 在移动设备、微控制器和其他边缘设备上部署 ML](https://tensorflowcn.cn/lite) - [TFX 构建生产 ML 管道](https://tensorflowcn.cn/tfx) - [所有库创建高级模型并扩展 TensorFlow](https://tensorflowcn.cn/resources/libraries-extensions) - 资源 - [模型和数据集由 Google 和社区构建的预训练模型和数据集](https://tensorflowcn.cn/resources/models-datasets) - [工具支持和加速 TensorFlow 工作流程的工具](https://tensorflowcn.cn/resources/tools) - [负责任的 AI ML 工作流程各个阶段的资源](https://tensorflowcn.cn/responsible_ai) - [推荐系统使用开源工具构建推荐系统](https://tensorflowcn.cn/resources/recommendation-systems) [社区](https://tensorflowcn.cn/community) - [组用户组、兴趣组和邮件列表](https://tensorflowcn.cn/community/groups) - [贡献贡献代码和文档的指南](https://tensorflowcn.cn/community/contribute) - [博客了解所有 TensorFlow 最新资讯](https://blog.tensorflowcn.cn/) - [论坛 TensorFlow 社区的讨论平台](https://discuss.tensorflow.org/) [为什么选择 TensorFlow](https://tensorflowcn.cn/about) - [关于](https://tensorflowcn.cn/about) - [案例研究](https://tensorflowcn.cn/about/case-studies) - [英语]() - [西班牙语 - 拉丁美洲]() - [法语]() - [印度尼西亚语]() - [意大利语]() - [波兰语]() - [葡萄牙语 - 巴西]() - [越南语]() - [土耳其语]() - [俄语]() - [希伯来语]() - [阿拉伯语]() - [波斯语]() - [印地语]() - [孟加拉语]() - [泰语]() - [中文 - 简体]() - [中文 - 繁体]() - [日语]() - [韩语]() [GitHub](https://github.com/tensorflow) 登录 - [用于生产](https://tensorflowcn.cn/tfx) [概述](https://tensorflowcn.cn/tfx) [教程](https://tensorflowcn.cn/tfx/tutorials) [指南](https://tensorflowcn.cn/tfx/guide) [TFX-Addons](https://tensorflowcn.cn/tfx/addons) [API](https://tensorflowcn.cn/tfx/api_overview) [![TensorFlow](https://www.gstatic.com/devrel-devsite/prod/v158caafe57d4670a8abac19430cb93c14f6b6846e8f3012a57383593e392bfd9/tensorflow/images/lockup.svg)](https://tensorflowcn.cn/) - [安装](https://tensorflowcn.cn/install) - [学习](https://tensorflowcn.cn/learn) - 更多 - [概述](https://tensorflowcn.cn/tfx) - [教程](https://tensorflowcn.cn/tfx/tutorials) - [指南](https://tensorflowcn.cn/tfx/guide) - [TFX-Addons](https://tensorflowcn.cn/tfx/addons) - [API](https://tensorflowcn.cn/tfx/api_overview) - [API](https://tensorflowcn.cn/api) - 更多 - [生态系统](https://tensorflowcn.cn/resources/models-datasets) - 更多 - [社区](https://tensorflowcn.cn/community) - 更多 - [为什么选择 TensorFlow](https://tensorflowcn.cn/about) - 更多 - [GitHub](https://github.com/tensorflow) - [开始使用 TFX](https://tensorflowcn.cn/tfx/tutorials) - TFX：入门教程 - [1\. 初始管道](https://tensorflowcn.cn/tfx/tutorials/tfx/penguin_simple) - [2\. 添加数据验证](https://tensorflowcn.cn/tfx/tutorials/tfx/penguin_tfdv) - [3\. 添加特征工程](https://tensorflowcn.cn/tfx/tutorials/tfx/penguin_tft) - [4\. 添加模型分析](https://tensorflowcn.cn/tfx/tutorials/tfx/penguin_tfma) - TFX：交互式教程 - [交互式教程 (TF2 Keras)](https://tensorflowcn.cn/tfx/tutorials/tfx/components_keras) - [交互式教程 (Estimator)](https://tensorflowcn.cn/tfx/tutorials/tfx/components) - TFX 在 Google Cloud 上 - [在 Vertex Pipelines 上运行](https://tensorflowcn.cn/tfx/tutorials/tfx/gcp/vertex_pipelines_simple) - [从 BigQuery 读取数据](https://tensorflowcn.cn/tfx/tutorials/tfx/gcp/vertex_pipelines_bq) - [Vertex AI 训练和服务](https://tensorflowcn.cn/tfx/tutorials/tfx/gcp/vertex_pipelines_vertex_training) - [Cloud AI Platform Pipelines 教程](https://tensorflowcn.cn/tfx/tutorials/tfx/cloud-ai-platform-pipelines) - TFX：高级教程 - [LLM 微调和转换](https://tensorflowcn.cn/tfx/tutorials/tfx/gpt2_finetuning_and_conversion) - [自定义组件教程](https://tensorflowcn.cn/tfx/tutorials/tfx/python_function_component) - [使用 TFX 进行推荐](https://tensorflowcn.cn/tfx/tutorials/tfx/recommenders) - [使用 TFX 进行排名](https://tensorflowcn.cn/recommenders/examples/ranking_tfx) - [Airflow 教程](https://tensorflowcn.cn/tfx/tutorials/tfx/airflow_workshop) - [TFX 中的神经结构化学习](https://tensorflowcn.cn/tfx/tutorials/tfx/neural_structured_learning) - 数据验证 - [开始使用 TFDV](https://tensorflowcn.cn/tfx/tutorials/data_validation/tfdv_basic) - 转换 - [预处理数据（初学者）](https://tensorflowcn.cn/tfx/tutorials/transform/simple) - [预处理数据（高级）](https://tensorflowcn.cn/tfx/tutorials/transform/census) - [使用 Google Cloud 进行机器学习数据预处理](https://tensorflowcn.cn/tfx/tutorials/transform/data_preprocessing_with_cloud) - 模型分析 - [开始使用 TFMA](https://tensorflowcn.cn/tfx/tutorials/model_analysis/tfma_basic) - [公平性指标教程](https://tensorflowcn.cn/responsible_ai/fairness_indicators/tutorials/Fairness_Indicators_Example_Colab) - 部署训练后的模型 - [服务器：用于 TensorFlow Serving 的 TFX](https://tensorflowcn.cn/tfx/tutorials/serving/rest_simple) - [移动和物联网：用于 TensorFlow Lite 的 TFX](https://tensorflowcn.cn/tfx/tutorials/tfx/tfx_for_mobile) - ML 元数据 - [开始使用 MLMD](https://tensorflowcn.cn/tfx/tutorials/mlmd/mlmd_tutorial) - [简介](https://tensorflowcn.cn/learn) - [教程](https://tensorflowcn.cn/tutorials) - [指南](https://tensorflowcn.cn/guide) - [学习机器学习](https://tensorflowcn.cn/resources/learn-ml) - [TensorFlow (v2.16.1)](https://tensorflowcn.cn/api/stable) - [版本…](https://tensorflowcn.cn/versions) - [TensorFlow.js](https://js.tensorflow.org/api/latest/) - [TensorFlow Lite](https://tensorflowcn.cn/lite/api_docs) - [TFX](https://tensorflowcn.cn/tfx/api_docs) - 库 - [TensorFlow.js](https://tensorflowcn.cn/js) - [TensorFlow Lite](https://tensorflowcn.cn/lite) - [TFX](https://tensorflowcn.cn/tfx) - [所有库](https://tensorflowcn.cn/resources/libraries-extensions) - 资源 - [模型和数据集](https://tensorflowcn.cn/resources/models-datasets) - [工具](https://tensorflowcn.cn/resources/tools) - [负责任的 AI](https://tensorflowcn.cn/responsible_ai) - [推荐系统](https://tensorflowcn.cn/resources/recommendation-systems) - [组](https://tensorflowcn.cn/community/groups) - [贡献](https://tensorflowcn.cn/community/contribute) - [博客](https://blog.tensorflowcn.cn/) - [论坛](https://discuss.tensorflow.org/) - [关于](https://tensorflowcn.cn/about) - [案例研究](https://tensorflowcn.cn/about/case-studies) - [TensorFlow](https://tensorflowcn.cn/) - [学习](https://tensorflowcn.cn/learn) - [用于生产](https://tensorflowcn.cn/tfx) - [教程](https://tensorflowcn.cn/tfx/tutorials) 使用收藏整理根据您的偏好保存和分类内容。 ## TensorFlow 生产教程这些教程将帮助您入门，并帮助您学习使用 TFX 进行生产工作流程和部署的几种不同方法。特别是，您将学习开发 TFX 管道的两种主要风格 - 使用 `InteractiveContext` 在笔记本中开发管道，一次处理一个组件。这种风格使开发更容易，更符合 Python 风格。 - 定义整个管道并使用运行器执行它。这就是您部署管道时的样子。 ## 入门教程 [1\. 初始管道](https://tensorflowcn.cn/tfx/tutorials/tfx/penguin_simple) 您可能构建的最简单的管道，可帮助您入门。单击“在 Google Colab 中运行”按钮。 [2\. 添加数据验证](https://tensorflowcn.cn/tfx/tutorials/tfx/penguin_tfdv) 在简单管道的基础上添加数据验证组件。 [3\. 添加特征工程](https://tensorflowcn.cn/tfx/tutorials/tfx/penguin_tft) 在数据验证管道的基础上添加特征工程组件。 [4\. 添加模型分析](https://tensorflowcn.cn/tfx/tutorials/tfx/penguin_tfma) 在简单管道的基础上添加模型分析组件。 ## TFX 在 Google Cloud 上 Google Cloud 提供 BigQuery、Vertex AI 等各种产品，使您的 ML 工作流程更具成本效益和可扩展性。您将学习如何在 TFX 管道中使用这些产品。 [在 Vertex Pipelines 上运行](https://tensorflowcn.cn/tfx/tutorials/tfx/gcp/vertex_pipelines_simple) 在托管管道服务 Vertex Pipelines 上运行管道。 [从 BigQuery 读取数据](https://tensorflowcn.cn/tfx/tutorials/tfx/gcp/vertex_pipelines_bq) 使用 BigQuery 作为 ML 管道的数据源。 [Vertex AI 训练和服务](https://tensorflowcn.cn/tfx/tutorials/tfx/gcp/vertex_pipelines_vertex_training) 使用 Vertex AI 的云资源进行 ML 训练和服务。 [TFX 在 Cloud AI Platform Pipelines 上](https://tensorflowcn.cn/tfx/tutorials/tfx/cloud-ai-platform-pipelines) 使用 TFX 和 Cloud AI Platform Pipelines 的入门介绍。 ## 下一步在您对 TFX 有了基本了解之后，请查看这些额外的教程和指南。并且不要忘记阅读 [TFX 用户指南](https://tensorflowcn.cn/tfx/guide)。 [完整管道教程](https://tensorflowcn.cn/tfx/tutorials/tfx/components_keras) 对 TFX 的逐个组件介绍，包括交互式上下文，这是一个非常有用的开发工具。单击“在 Google Colab 中运行”按钮。 [自定义组件教程](https://tensorflowcn.cn/tfx/tutorials/tfx/python_function_component) 一个教程，展示了如何开发您自己的自定义 TFX 组件。 [数据验证](https://tensorflowcn.cn/tfx/tutorials/data_validation/tfdv_basic) 此 Google Colab 笔记本演示了如何使用 TensorFlow 数据验证 (TFDV) 来调查和可视化数据集，包括生成描述性统计信息、推断模式以及查找异常。 [模型分析](https://tensorflowcn.cn/tfx/tutorials/model_analysis/tfma_basic) 此 Google Colab 笔记本演示了如何使用 TensorFlow 模型分析 (TFMA) 来调查和可视化数据集的特征，并根据几个准确性轴评估模型的性能。 [提供模型服务](https://tensorflowcn.cn/tfx/tutorials/serving/rest_simple) 此教程演示了如何使用 TensorFlow Serving 使用简单的 REST API 提供模型服务。 ## 视频和更新订阅 [TFX YouTube 播放列表](https://www.youtube.com/playlist?list=PLQY2H8rRoyvxR15n04JiW0ezF5HQRs_8F) 和 [博客](https://blog.tensorflowcn.cn/search?label=TFX&max-results=20) 以获取最新的视频和更新。 ### [TFX：2020 年使用 TensorFlow 进行生产级机器学习](https://youtu.be/I3MjuFGmJrg) TF 开发者峰会 2020 [观看视频](https://youtu.be/I3MjuFGmJrg) ### [TFX：使用 TensorFlow 进行生产级机器学习管道](https://youtu.be/TA5kbFgeUlk) TF 世界 2019 [观看视频](https://youtu.be/TA5kbFgeUlk) ### [将机器学习从研究带到生产](https://youtu.be/rly7DqCbtKw) GOTO 哥本哈根 2019 [观看视频](https://youtu.be/rly7DqCbtKw) 除另有说明外，本页内容根据 [知识共享署名 4.0 许可证](https://creativecommons.org/licenses/by/4.0/) 授权，代码示例根据 [Apache 2.0 许可证](https://apache.ac.cn/licenses/LICENSE-2.0) 授权。有关详细信息，请参阅 [Google 开发者网站政策](https://developers.google.com/site-policies)。Java 是 Oracle 和/或其关联公司的注册商标。上次更新时间：2023-09-14 UTC。 \[{ "type": "thumb-down", "id": "missingTheInformationINeed", "label":"缺少我需要的信息" },{ "type": "thumb-down", "id": "tooComplicatedTooManySteps", "label":"太复杂/步骤太多" },{ "type": "thumb-down", "id": "outOfDate", "label":"过时" },{ "type": "thumb-down", "id": "samplesCodeIssue", "label":"示例/代码问题" },{ "type": "thumb-down", "id": "otherDown", "label":"其他" }\] \[{ "type": "thumb-up", "id": "easyToUnderstand", "label":"易于理解" },{ "type": "thumb-up", "id": "solvedMyProblem", "label":"解决了我的问题" },{ "type": "thumb-up", "id": "otherUp", "label":"其他" }\] - ### 保持联系 - [博客](https://blog.tensorflowcn.cn/) - [论坛](https://discuss.tensorflow.org/) - [GitHub](https://github.com/tensorflow/) - [推特](https://twitter.com/tensorflow) - [YouTube](https://youtube.com/tensorflow) - ### 支持 - [问题跟踪器](https://github.com/tensorflow/tensorflow/issues) - [发行说明](https://github.com/tensorflow/tensorflow/blob/master/RELEASE.md) - [Stack Overflow](https://stackoverflow.com/questions/tagged/tensorflow) - [品牌指南](https://tensorflowcn.cn/extras/tensorflow_brand_guidelines.pdf) - [引用 TensorFlow](https://tensorflowcn.cn/about/bib) - [条款](https://policies.google.com/terms) - [隐私](https://policies.google.com/privacy) - [管理 Cookie](https://tensorflowcn.cn/tfx/tutorials) - 注册 TensorFlow 新闻通讯 [订阅](https://tensorflowcn.cn/subscribe) - [英语]() - [西班牙语 - 拉丁美洲]() - [法语]() - [印度尼西亚语]() - [意大利语]() - [波兰语]() - [葡萄牙语 - 巴西]() - [越南语]() - [土耳其语]() - [俄语]() - [希伯来语]() - [阿拉伯语]() - [波斯语]() - [印地语]() - [孟加拉语]() - [泰语]() - [中文 - 简体]() - [中文 - 繁体]() - [日语]() - [韩语]()
Readable Markdown	null
Shard	68 (laksa)
Root Hash	3702552337529546868
Unparsed URL	cn,tensorflowcn!/tfx/tutorials s443