一. tensorflow分布式1. 概念分布式Tensorflow是由高性能的gRPC框架作为底层技术来支持的。这是一个通信框架gRPC(google remote procedure call)，是一个高性能、跨平台的RPC框架。RPC协议，即远程过程调用协议，是指通过网络从远程计算机程序上请求服务。2. &nb
转载
2024-05-19 06:51:22
86阅读
这两天在服务器上装tensorflow，真是让人头大。说一下背景，实验室是公用的centos服务器，管理员给了我一个账号，当然是没有root权限的，到时候数据软件啥的，如无必要，都要装到自己的目录下。在这种服务器上装软件，好处是人家管理员把该装的一些基本的东西都装好了，省去了很多步骤。当然，坏处就是，像我这种对linux不熟悉的，敲每个指令都战战兢兢，生怕一不小心就搞了某个公用的变量、配置、驱动、
转载
2024-05-13 17:12:40
585阅读
Ubuntu16.04服务器搭载tensorflow2.0主要分为三个流程：远程连接服务器建立账户，安装Anaconda及虚拟的python3.7环境，利用pycharm远程连接服务器。一、远程连接服务器建立账户推荐一款全能终端神器mobaxterm，相比于之前使用的Xshell以及体验一般的Putty，很nice的一款软件，安装包在官网就可以下载。官网链接：https://mobaxterm.m
转载
2024-04-29 22:44:40
55阅读
2020-04-13：今天一整天时间在配置Linux下的TensorFlow环境，着实心累1. 目的：Linux服务器下有3块2070GPU，我的reproduce代码是TensorFlow写的，所以要在该服务器下配置GPU版的TensorFlow2. 连接Linux服务器，连网，数据互传：在windows下使用远程桌面，连接linux服务器，输入ip，用户名：ivlab，连接时选择'consol
转载
2024-08-08 15:40:14
50阅读
文章目录argparse创建解析器添加待解析参数解析参数tf.app.flags 命令行参数值启动TF程序时的输入参数。按照功能不同，可以将其分为模型参数和集群参数两种。前者指机器学习和深度学习模型中的框架参数，比如梯度下降的学习率和批数据大小等，主要用于优化模型的训练精度和速度。后者指运行TF分布式任务的集群配置参数，如参数服务器主机地址和工作服务器主机地址等，主要用于设置TF集群。解析命令行
最近在玩谷歌新开源的自然语言模型bert，最开始是在google的免费GPU上面来弄的（这个部分其实也是可以写一个教程的，中间坑也挺多）。但谷歌比较坑人，小数据集还行，大点的数据集训练耗费时间长，再加上网络不稳定总掉线，训练一个上万的数据集断断续续的用了一天时间。改用在本地的linux服务器上来训练bert，但是没有NVIDIA显卡，只好用cpu来跑了，速度超慢，跑一个7万的模型需要50个小时
转载
2024-05-22 14:30:40
36阅读
1、【开始】--【控制面板】--【添加或删除程序】 。 2、出现如下界面点击【添加/删Windows组件（a） 】。 3、出现如下界面。 4、选择“应用程序服务器”。 5、点击图片中的“详细信息”。6、出现上面的图片【选中internet 信息服务（IIS）】 点击图片中的【详细信息】。7、选中图片中的“文件传输协议(FTP)服务”然后点击“确定
目录 第9章 运行TensorFlow创建一个计算图并在会话中执行管理图节点值的生命周期TensorFlow中的线性回归实现梯度下降给训练算法提供数据保存和恢复模型用TensorBoard来可视化图和训练曲线命名作用域模块化共享变量练习摘抄 第9章 运行TensorFlow工具python3.5.1，Jupyter Notebook, Pycharm创建一个计算图并在会话中执行x = tf.
简介Tensorflow API提供了Cluster、Server以及Supervisor来支持模型的分布式训练。 关于Tensorflow的分布式训练介绍可以参考Distributed Tensorflow文档。简单的概括说明如下：Tensorflow分布式Cluster由多个Task组成，每个Task对应一个tf.train.Server实例，作为Cluster的一个单独节点。多个相同作用的
转载
2024-04-17 16:14:34
136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独立简单服务器部署。本文主要实现用flask搭建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。本文主要实现用flask搭建tensorflow模型推
转载
2024-05-08 12:31:04
66阅读
前言 当一个TensorFlow模型训练出来的时候，为了投入到实际应用，所以就需要部署到服务器上。由于我本次所做的项目是一个javaweb的图像识别项目。所有我就想去寻找一下java调用TensorFlow训练模型的办法。 由于TensorFlow很久没更新的缘故，网上的博客大都是18/19年的 ...
转载
2021-08-01 19:26:00
1037阅读
2评论
TensorFlow集群搭建与编程深度学习那超强学习能力的背后，是巨大的计算负担，因此分布式集群计算势在必行，据说AlphaGo需要同时使用1202个CPU和176个GPU来进行并行计算。集群功能早在Tensorflow0.8版本就已推出，本文将一步步地展示搭建集群框架并在上面编程分配计算任务的全过程。考虑到不少人条件有限，很难实现真实的多机环境，因此下面将利用docker来实现一个虚拟的多机集群
转载
2024-03-19 10:14:11
11阅读
pip类似RedHat里面的yum，安装Python包非常方便。本节详细介绍pip的安装、以及使用方法。一、pip下载安装1.0 安装依赖软件 yum install zlib zlib-devel openssl openssl-devel libcurl-devel gcc gcc-c++ -y1.1 pip下载wget "https://pypi
第一步：虚拟环境基本操作手把手教你如何基于Anaconda安装Tensorflow（Windows和Linux两种版本）_hitzijiyingcai的博客-CSDN博客_anaconda安装tensorflow按照这个来，报错一大堆红socket.timeout: The read operation timed out解决方案_lxb206的博客-CSDN博客pip
原创
2022-03-10 10:12:43
336阅读
Tensorflow-gpu版本的安装与配置先前在Win10环境下安装Tensorflow(默认cpu版)的时候已经说明，Win10中的tensorflow支持python3.5的版本，但不支持python2.7。由于之前的安装环境已经配置完成。因此，直接在Anaconda3中的Anaconda Prompt工具下，键入命令：pip install tensorflow-gpu但在安装
1.服务器：
什么是服务器？
通俗地讲
转载
2023-08-13 21:15:22
742阅读
1评论
作为新兴产业的云计算已成为经济数字化转型的重要推动力，个人、企业对云服务器的需求大幅增加，显然，传统的服务器已经无法满足上云的需要，云服务器在网络、算力和存储性能方面的具有优越性，能够帮助用户构建稳定的应用，实现云化。一、服务器和实体云服务器的区别相比实体机，云服务器的优点非常明显，弹性配置，丰俭由人，当业务处于起步阶段，用低配置的云服务器，当业务起量后，升级云服务器配置即可，这个过程无须迁移系统
转载
2023-09-28 13:40:56
621阅读
点赞
1评论
之前用自己的电脑跑程序，效果不是很好，老师分配了服
原创
2023-02-06 16:41:05
113阅读
问题现象如何远程连接 ECS Windows 服务器。解决方案云服务器系统是 Windows 系列的用户，可以使用本地电脑 Windows 系统自带的“远程桌面连接”功能远程连接云服务器。中国大陆地域 Windows 2003/2008 系统自带正版激活，不收取你系统正版激活费用，同时 Windows 2003/2008 系统默认允许最多 2 个 session 远程连接，如果您需要更多的新增连接
在 Windows 平台 部署 基于 Python 的网站是一件非常折腾的事情，Linux/Unix 平台下有很多选择，本文记录了 Flask 部署到 IIS 的主要步骤，希望对你有所帮助。涉及工具和平台Windows 7 x64Python 3.4+Flask以及其它你引用的依赖包完成 Hello Flask 网站 这是一个最简单的 Flask 网站：
转载
2024-05-06 10:21:51
44阅读
