## TensorFlow与Hadoop的结合
在大数据时代，处理海量数据和复杂计算的需求变得越来越重要。Hadoop作为一个开源的分布式计算框架，已经被广泛应用于大数据处理中。而TensorFlow作为一个深度学习框架，提供了强大的机器学习和神经网络的计算能力。当两者结合使用时，可以充分发挥它们的优势，实现大规模机器学习和分布式计算。
### TensorFlow简介
TensorFlow
原创
2023-08-26 13:54:06
45阅读
1 文档编写目的2 CDSW配置要在cdsw中运用GPU，首先需要将GPU资源交给CDSW管理要在cdsw中运用GPU，首先需要将GPU资源交给CDSW管理打开Cloudera Manager中CDSW的配置搜索gpu，设置以下属性：NVIDIA_GPU_ENABLE：设为TRUE，开启CDSW对GPU的支持。NVIDIA_LIBRARY_PATH：NVIDIA驱动程序库的完整路径。重启CDSW查
转载
2024-08-27 19:35:48
0阅读
TensorFlow Lite 是一种用于设备端推断的开源深度学习框架。 按照官方的说法，TensorFlow Lite 是一组工具，可帮助开发者在移动设备、嵌入式设备和 loT 设备上运行模型，以便实现设备端机器学习。 所以在设计之初，Tensorflow Lite没有打算在Windows端进行部署的，但是最近它提供了CMakeLists.txt编译脚本，因而可以将其编译为动态库以在Window
转载
2024-04-23 10:03:50
119阅读
摘要本文为系列博客tensorflow模型部署系列的一部分，用于实现通用模型的TensorFlow Serving部署。本文主要实现用TensorFlow Serving部署tensorflow模型推理服务器。实现了tensorflow模型在服务器端计算方案，并提供相关示例源代码。相关源码见链接引言本文为系列博客tensorflow模型部署系列的一部分，用于实现通用模型的独立简单服务器部署。本文主
转载
2024-05-09 10:58:28
65阅读
导入tensorflow，这将导入 TensorFlow 库，并允许使用其精彩的功能：
import tensorflow as if由于要打印的信息是一个常量字符串，因此使用 tf.constant：
message = tf.constant('Welcome to the exciting world of Deep Neural Networks!')为了执行计算图，利用 with 语句定
转载
2023-06-30 18:32:45
73阅读
最近一个项目需要使用Tensorflow lite, 官网上的解释又特别简单，主要给了一个例子，但是这个例子和官网的解释又不一样。。。。这里简单记录下操作方法。添加依赖某些加载的方法，依赖并不支持。在自己的build.grandle的依赖中添加：implementation 'org.tensorflow:tensorflow-lite:1.15.0'
implementation 'or
转载
2024-01-02 12:26:13
59阅读
在《基于TensorFlow Serving的YOLO模型部署》文章中有介绍tensorflow 1.x版本的模型如何利用TensorFlow Serving部署。本文接着上篇介绍tensorflow2.x版本的模型部署。工作原理架构图**核心概念 ****⑦ ServableHandler:**servable实例，用于处理client发送的请求servable的生命周期：● 一个Source插
转载
2024-04-02 16:13:41
65阅读
关于tensorflow的分布式训练和部署， 官方有个英文的文档介绍，但是写的比较简单， 给的例子也比较简单，刚接触分布式深度学习的可能不太容易理解。在网上看到一些资料，总感觉说的不够通俗易懂，不如自己写一个通俗易懂给大家分享一下。
如果大家有看不懂的，欢迎留言，我再改文章，改到大学一年级的学生可以看懂的程度。 1. 单机多GPU训练
先简单介绍下单机的多GPU训练，然
转载
2024-07-26 15:31:53
73阅读
前言： （2）本文章后续将在 B站 出门吃三碗饭 账号下更新讲解视频，可以同时观看食用Abstract：本文将通过介绍使用TensorflowLite框架，利用AndroidStudio工具来实现识别模型的移动端部署1.Introduction:因为最近有粉丝有反应的一个需求，训练好了一个模型如何迁移到移动端使用，于是我忙活了三四天，有了此文~2.RelatedWorks:TensorflowLi
转载
2024-05-13 13:16:35
95阅读
## TensorFlow运行Hadoop的步骤
为了帮助你实现"TensorFlow运行Hadoop"，我将提供以下步骤。
| 步骤 | 操作 |
| --- | --- |
| 1. | 安装Hadoop |
| 2. | 配置Hadoop |
| 3. | 安装TensorFlow |
| 4. | 利用TensorFlow运行Hadoop |
### 步骤1：安装Hadoop
在开
原创
2023-09-12 12:04:33
57阅读
## Hadoop与TensorFlow任务
在大数据领域，Hadoop是一个非常重要的框架，用于分布式存储和处理大规模数据。而TensorFlow则是一个广泛应用于机器学习和深度学习的开源框架。将Hadoop和TensorFlow结合起来可以实现更加高效的大数据处理和机器学习任务。
### Hadoop介绍
Hadoop是一个由Apache开发的分布式存储和处理大规模数据的框架。它包含Ha
原创
2024-06-16 03:23:44
51阅读
##系统配置：ubuntu18.04 cuda9.0 cudnn7.0 python2.7 tensorflow-1.10bazel-0.16 JDK8 SDK28.0.2 NDK12 android-8.0经过四天多的折腾，终于将tensorflow官方的android demo部署到了手机上，虽然遇到了很多坑，但终究目的还是达到了。由于tensorflow的源码更新速度太快，导致如今很多教程都
转载
2024-03-30 10:55:10
118阅读
当数据较多或者模型较大时，为提高机器学习模型训练效率，一般采用多GPU的分布式训练。按照并行方式，分布式训练一般分为数据并行和模型并行两种， 模型并行：分布式系统中的不同GPU负责网络模型的不同部分。例如，神经网络模型的不同网络层被分配到不同的GPU，或者同一层内部的不同参数被分配到不同GPU；数据并行：不同的GPU有同一个模型的多个副本，每个GPU分配到不同的数据，然后将所有GPU的计算结果按照
相信不少童鞋都是因为 VS Code 认识到我：也许是用了我写的 20 多个 VS Code 插件（比如 Code Runner），也许是看了我的技术分享，或者是阅读了我写的 VS Code 黑宝书，又或是参加了 VS Code 中文社区的活动。除了 VS Code，你也可能是通过另一样东西认识到我，就是 955.WLB 不加班公司名单！2019 年年初，我建立了 955 不加班的公司名单。目前，
## TensorFlow部署架构
TensorFlow是一个开源的机器学习框架，广泛应用于各种领域的深度学习任务中。它提供了丰富的工具和库，使得开发者能够快速构建和部署自己的机器学习模型。在本文中，我们将探讨TensorFlow的部署架构，包括模型的训练、转换和部署。
### TensorFlow的基本结构
TensorFlow的基本结构由两部分组成：计算图和会话。
计算图是Tensor
原创
2023-10-07 12:26:32
71阅读
基于TF 1.5版本的 YOLOV3其中向下的箭头很多实在是懒得打，基本对齐的下面都有向下的箭头。代码中SPP池化层跟我了解到的标准SPP的定义不太一样，这里我按照代码写的，那个SPP最后是concat 不是简单加法！！！（一个疑问 SPP后的东西 又跟inputs concat了 那不又不是定长了...）绝大部分卷积层的padding 为 same 只有 darknet53 中 有三
TensorflowonSpark 从入门到放弃最近因为项目原因，需要在短时间内把之前的代码移植到TensorflowonSpark平台中去，于是开始了愉快的探索之旅。 ##虚拟内存不足Application application_1536745728661_0003 failed 2 times due to AM Container for appattempt_1536745728661_
转载
2024-10-16 15:32:05
31阅读
前几天Google的IO大会上发布的ML Kit，ML Kit为端上部署深度学习模型提供了一套完整的解决方案，本地运行、云端都支持。里面本地部署用到的就是Tensorflow lite。Tensorflow Lite是在Google去年IO大会上发表的，目前Tensorflow Lite也还在不断的完善迭代中。Tensorflow Lite在Android和iOS上部署官网有比较详细的介绍已经对应
转载
2024-03-14 20:44:25
357阅读
1评论
文章目录Tensorflow Serving实战安装Tensorflow serving准备YOLOX模型部署YOLOX模型测试YOLOX模型多模型多版本部署模型的热部署参考 Tensorflow Serving使用Tensorflow框架训练好模型后，想把模型部署到生产环境可以使用Tensorflow Serving进行部署。Tensorflow Serving具有以下作用：兼容Tensorf
转载
2024-05-05 18:54:11
162阅读
参考博客：本文目的主要是想用tf-quantitify和tf-floate对移动端中的图像集的分类结果做测试，评估每个类别的精确度，召回率；从而看看模型量化成浮点型和整型的结果差异性；precision=TP/(TP+FP); Recall=TP/(TP+FN)；主要参考了上述博客中的仓库文件；https://github.com/GeekLee95/TFlite_android_test/
转载
2024-08-04 15:37:48
14阅读
