**基于Tensorflow 2.X安装Object Detection API（Win 10 平台）Tensorflow平台是谷歌开发并推出的一套开源软件库，是一套专门用于机器学习的平台。经过多年来的版本迭代更新和无数机器学习相关的研究人员的维护和贡献，Tensorflow已经推出了第二个大版本更新，即Tensorflow 2.0。而随着这个大版本的推出，其中常用的目标检测模块的安装也产生了一些
转载
2024-04-24 15:35:51
130阅读
保姆级手把手教你安装TensorFlow-GPU，避免坑安装TensorFlow-GPU（bb几句，大佬勿喷）检查自己的电脑是否能安装GPU版本的==好了，这里说一下，一定要看，一定要看，一定要看一定要看！！！！！四遍了哦！==anaconda开始安装tf-gpu完成之后，下载安装CUDA和CUDNN==其实最烦的是下载这一步== 我这里已经说了方法检测cuda的安装检测tf好了，到这里就结束 安
转载
2024-05-03 11:28:16
68阅读
目录云上深度学习实践（一）-GPU云服务器TensorFlow单机多卡训练性能实践云上深度学习实践（二）-云上MXNet实践1 背景 2015年11月9日，Google发布深度学习框架TensorFlow。Google表示，TensorFlow在设计上尤其针对克服其第一代深度学习框架DistBelief 的短板，灵活、更通用、易使用、更快，而且完全开源。在短短的一年时间内，在GitHub上，Te
转载
2024-06-11 22:24:49
32阅读
1.概述TensorFlow分布式是基于GRPC库实现的高性能集群训练框架，能有效的利用多机多卡资源，将大型的模型或者代码拆分到各个节点分别完成，从而实现高速的模型训练。如下图所示，tensorflow的分布式集群中存在的节点主要有两种：ps节点和worker节点，ps节点是用于保存和计算训练参数的节点；worker节点是用于训练的节点。由于ps和worker节点都有可能存在多个，因此ps和wor
转载
2024-04-01 13:12:03
27阅读
正 文一、为什么要学Stable Diffusion，它究竟有多强大？1.Stable Diffusion能干嘛我相信大家在刷视频的时候，或多或少都已经看到过很多AI绘画生成的作品了那SD到底可以用来干什么呢？01.真人AI美女我们最常看到的就是这些真人AI美女的账号(我有一个朋友，每到晚上的时候，就很喜欢看这种视频)02.生成头像、壁纸以前很多人花钱去找别人定制自己独一无二的头像或者壁纸现在SD
文章目录0. Forward0.1 TF1和TF2软件包区别0.2 pip和conda安装区别0.3 版本对应关系0.3.1 TF 和cuda以及python版本对应关系0.3.2 cuda和Nvidia driver对应关系1. pip install1.1 纯pip安装1.2 pip和conda组合安装(推荐)2. conda install2.1 conda 配置 Tsinghua镜像2.2
我在“ 机器学习+ Kafka Streams示例 ” Github项目中添加了一个新示例： “ Python + Keras + TensorFlow + DeepLearning4j + Apache Kafka + Kafka流 ”。 这篇博客文章讨论了动机以及为什么这是可扩展的，可靠的机器学习基础设施技术的完美结合。 有关利用Apache Kafka开源生态系统构建机器学习/深度
转载
2024-05-06 15:16:00
35阅读
机器学习/深度学习模型可以通过不同的方式进行预测。 我的首选方法是将分析模型直接部署到流处理应用程序（如Kafka Streams或KSQL ）中。 您可以例如使用TensorFlow for Java API 。 这样可以实现最佳延迟和外部服务的独立性。 在我的Github项目中可以找到几个示例： 使用TensorFlow，H2O.ai，Deeplearning4j（DL4J）在Kafka
转载
2024-08-06 21:21:45
38阅读
ResNet模型在GPU上的并行实践TensorFlow分布式训练：单机多卡训练MirroredStrategy、多机训练MultiWorkerMirroredStrategy4.8 分布式训练当我们拥有大量计算资源时，通过使用合适的分布式策略，我们可以充分利用这些计算资源，从而大幅压缩模型训练的时间。针对不同的使用场景，TensorFlow 在 tf.distribute.Strategy`中为
转载
2024-08-01 07:49:56
282阅读
我的环境：Win10 + Anaconda + tensorflow-gpu1.14 + CUDA10.0 + cuDNN7.6 + python3.6注意：tensorflow版本、CUDA版本、cuDNN版本和python版本是一一对应的。一、确定自己需要和可以安装的版本 1.查看自己的电脑是否支持搭建GPU环境和适合的CUDA版本控制面板 -> 设备管理器 -> 显示适配器，检
1 安装msys2msys2是一个在Windows上的Linux虚拟环境，在Linux上写的程序，可以使用msys2编译为Windows上的exe或者dll。 在msys2官网上下载msys2程序：下载链接。 下载完成后进行安装，安装成功后将安装目录C:\msys64和安装目录下的usr/bin目录C:\msys64\usr\bin添加到系统环境变量path中 以管理权限打开cmd，依次安装msy
写在前面：学习者的3个阶段：第一类学习者把书本当权威，认为很多事都有唯一正确答案；第二类学习者有一种“把知识转化为能力”的能力；第三类层次更高的学习者，被称为“学习促进者”。这类人除了自己学习能力强，还能教会别人深刻掌握知识。所以在这里写下自己在分布式训练学习过程中的笔记与各位读者分享，希望借此机会也能提高自己，争取做一位“学习促进者”。本篇文章作为入门简单介绍一些基础概念，力求简洁明确，如有不准
NVIDIA DLI 深度学习入门培训 | 特设三场！！ 4月28日/5月19日/5月26日 正文共7797个字，13张图，预计阅读时间18分钟。本篇文章有2个topic，简单的分类器和TensorFlow。首先，我们会编写函数生成三种类别的模拟数据。第一组数据是线性可分的，第二种是数据是月牙形数据咬合在一起，第三种是土星环形数据。每组数据有两个类型，我们将分别建立模型，对每组数
转载
2024-05-27 10:24:32
50阅读
瓦砾上一篇讲了单机多卡分布式训练的一些入门介绍，后面几篇准备给大家讲讲TensorFlow、PyTorch框架下要怎么实现多卡训练。这一篇就介绍一下TensorFlow上的分布式训练，尽管从传统的Custom Training Loops到Estimator再到Keras，TF的API换来换去让人猝不及防，但是由于种种原因，TensorFlow还是业务上最成熟的框架，所以Let's还是do it。
转载
2024-06-24 07:40:40
57阅读
深度学习算法由于其数据量大、算法复杂度高等特点，常常需要采用某种形式的并行机制，常用的并行方法有数据并行（data parallel）和模型并行（model parallel）两种。尽管现有的深度学习框架大多都支持多GPU，但caffe、theano、tensorflow采用的都是数据并行，而亚马逊推出的DSSTNE（Deep Scalable
转载
2024-02-23 19:43:08
36阅读
环境：win10 64位系统，带nVidia显卡在https://www.geforce.com/hardware/technology/cuda/supported-gpus查看是否支持自己的显卡用于加速训练学tensorflow之前试过一次安装GPU版本的TF，网上有很多教程，看着都挺繁琐，其实直接在anaconda里配置一下就好了，但anaconda默认下载源下载速度极慢，GPU
文章目录一、如何使用half2mode二、分析网络的每层消耗的时间三、整体代码 以解析caffe分类模型为例，学习fp16量化和分析网路每层消耗的时间 参考自TensorRT(4)-Profiling and 16-bit Inference目的： 1、分析TRT中网络每一层的运行时间 2、fp16量化学习FP16更省内存和更节约推理时间。 官方文档3.0上表示，如果只是使用FP16进度代替FP
文章目录Tensoflow 1的 用法Tensorflow 2 的用法2.0 分布式策略：`tf.distribute.MirroredStrategy`2.1 方式1：混杂`custom training loops` 和 `keras model`2.2 方式2：纯 custom training loop方式参考 Tensoflow 1的 用法在tensorflow中，变量是复用的，变量通
转载
2024-03-22 07:21:47
35阅读
此文档是关于网上相关安装总结的教程，本人安装是在Win10环境下，基于Anaconda2.7和Aanaconda3.5双版本共存的情况安装的Tensorflow。参考的安装教程原网站如下：1.
2.
3.
1. Anaconda的安装
2.7版本直接下载，因为Tensorflow只支持3.5版本，而官网下载界面只有3.6版本，所以去它的旧库找到 Anaconda3-4.2.0-Windouw
转载
2024-08-31 23:36:44
30阅读
TensorFlow发展及使用简介2015年11月9日谷歌开源了人工智能系统TensorFlow，同时成为2015年最受关注的开源项目之一。TensorFlow的开源大大降低了深度学习在各个行业中的应用难度。TensorFlow的近期里程碑事件主要有：2016年11月09日：TensorFlow开源一周年。2016年09月27日：TensorFlow支持机器翻译模型。2016年08月30日：Ten
