文章目录1、TensorFlow2.0主要特征2、架构2.1 read &preprocess data2.2 tf.keras2.3 Premade Estimators2.4 distribution strategy2.5 SaveModel3、开发流程4、强大的跨平台能力5、 强大的研究实验 1、TensorFlow2.0主要特征tf.keras和eager mode更加简单鲁棒
转载
2024-04-14 09:55:20
62阅读
在Kubernetes（K8S）中搭建一个用于TensorFlow训练的平台是一项非常有用的任务，尤其对于那些希望在分布式环境中进行大规模深度学习训练的开发者而言。在本篇文章中，我将向你介绍如何搭建一个基于K8S的TensorFlow训练平台。
整个搭建流程可以分为以下几个步骤：
| 步骤 | 操作 |
|------|---------------
原创
2024-05-06 11:51:32
199阅读
做机器训练有段时间了，从Windows到Mac再到Unbuntu，一直在搭建tensorflow机器训练环境。在工作中逐步找到最快捷的搭建方式，这次就以Mac为例记录下在Mac中搭建tensorflow机器训练环境（Ubuntu搭建流程是一样的）。 首先，由于多年来养成的IDE编程习惯，就想着如果有合适的IDE用于开发ten
转载
2024-03-09 20:41:18
54阅读
该章介绍有关常量张量，序列操作，随机数张量的API常量张量Tensorflow提供了很多的操作，去帮助你构建常量。tf.zeros(shape, dtype = tf.float32, name = None)解释：这个函数返回一个全是零的张量，数据维度是 shape，数据类型是 dtype。使用例子：#!/usr/bin/env python
# -*- coding: utf-8 -*-
i
转载
2024-08-09 19:10:17
11阅读
一、关于Attention，关于NMT未完待续、、、以google 的 nmt 代码引入 探讨下端到端：项目地址：https://github.com/tensorflow/nmt机器翻译算是深度学习在垂直领域应用最成功的之一了，深度学习在垂直领域的应用的确能解决很多之前繁琐的问题，但是缺乏范化能力不足，这也是各大公司一直解决的问题；最近开源的模型：lingvo：一种新的侧重于sequence2s
转载
2024-01-30 08:10:01
55阅读
macOS平台TensorFlow环境安装
原创
2024-09-25 10:04:16
23阅读
本发明涉及计算机主机箱生产技术领域，具体为一种计算机主机箱平整度检测的检测方法。背景技术：在计算机主机箱生产过程中，需要对主机箱的平整度进行检测，避免因平整度不合格的产品流通到市场，影响产品品质。现有技术中通常是将计算机主机箱放置在平整的检测台上，使用预制好的平尺人工测量检测，这种人工检测平整度的方法不仅效率低、精度差，且由于是通过检测人员手动检测，检测人员容易疲劳，出现检测疏漏，进而影响产品品质
转载
2024-04-12 14:49:11
26阅读
简介TensorFlow从0.8版本开始，支持分布式集群，并且自带了local server方便测试。Local server和分布式服务的接口一样，我们将从local server入手，详细解读分布式机器学习集群的用法。Local server的最简单用法TensorFlow官方文档提供了local server的最简单用法，安装TensorFlow后直接在交互式Python终端中执行即可。注意
转载
2024-05-17 17:11:16
31阅读
介绍飞桨在行业内的应用情况、产品全景、技术优势，以及飞桨的安装方法和联系方式。深度学习框架近年来深度学习在很多机器学习领域都有着非常出色表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者节省大量而繁琐的外围工作，更聚焦业务场景和模型设计本身。深度学习框架优势使用深度学习框架完成模型构建有如下两个优势：节
转载
2024-05-23 15:58:57
43阅读
这是学习TensorFlow过程中记录的一点笔记，在此分享一下。
原创
2021-11-30 10:39:27
452阅读
[TensorFlow]除了搬砖磊方块儿，用TF你还可以干点别的前言张量不是张亮不是张良也不是矩阵定义Tensor定义Layer定义变量定义 Layer.add_weight()定义tf.Variable()定义训练循环 前言玩儿过我的世界的朋友知道在这个开放世界游戏中，玩家可以通过磊方块儿这种幼儿园小朋友就可以做到的操作来挖坑，修房子，做各种雕塑等等。但是别人的世界里有精致宏伟的建筑，有精巧的
转载
2024-04-23 11:21:21
5阅读
Win10快速搭建Tensorflow如果需要详细的安装介绍请看：安装详解一、快速搭建过程：第一步：下载Anaconda，并安装。 第二步：Win+R，打开cmd 输入：conda create --name tensorflow pythnotallow=3.6.2 按照提示输入：y 等待创建虚拟环境… 安装成功后不要关闭窗口，继续第三步的操作。第三步：环境创建成功后，下载安装需要的t
转载
2024-05-10 12:09:19
187阅读
背景SBERT模型是基于pytorch和transformers来实现的。如果想要通过tensorflow-serving来部署模型的话。首先，要将transformers模型转成pb的。tensorflow-serving只能支持模型本身的输入输出，不支持模型前的预处理，模型后的pooling等业务相关定制化操作。基于我们的定制化业务需求，决定了tensorflow-serving上需要封装一层
转载
2024-05-25 22:38:51
26阅读
tensorflow中，Graph是一个就像一个大容器，OP、Tensor、Variable是这个大容器的组成部件。Graph管理Tensor对象，Session管理Variable对象。Variable对象必须在Session对象内初始化。初始化所有Variable对象，把.global_variables_initializer() Op传给Session.run()。初始化部分Variabl
转载
2024-05-10 02:07:34
101阅读
1、什么是TensorFlow？TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统[1]。TensorFlow可被用于
转载
2024-03-29 08:48:55
61阅读
TF – Kernels模块 TF中包含大量Op算子，这些算子组成Graph的节点集合。这些算子对Tensor实现相应的运算操作。图 4 1列出了TF中的Op算子的分类和举例。 图 4 1 TensorFlow核心库中的部分运算 OpKernels 简介 OpKernel类（core/framework/op_kernel.h）是所有Op类的基类。继承OpKernel还可
PaddlePaddle基础命令PaddlePaddle是百度开源的深度学习框架，类似的深度学习框架还有谷歌的Tensorflow、Facebook的Pytorch等，在入门深度学习时，学会并使用一门常见的框架，可以让学习效率大大提升。在PaddlePaddle中，计算的对象是张量，我们可以先使用PaddlePaddle来计算一个[[1, 1], [1, 1]] * [[1, 1], [1, 1]
转载
2024-04-15 23:22:18
79阅读
计算代数的优化技术，使它便计算许多数学表达式。TensorFlow 可以训练和运行深度神经网络，它能应用在许多场景下，比如，图像识别、手写数字分类、递归神经网络、单词嵌入、自然语言处理、视频检测等等。TensorFlow 可以运行在多个 CPU 或 GPU 上，同时它也可以运行在移动端操作系统上（如安卓、IOS 等），它的架构灵活，具有良好的可扩展性，能够支持各种网络模型（如OSI七
本文主要带领读者了解生成对抗神经网络（GAN），并使用提供的face数据集训练网络GAN 入门自 2014 年 Ian Goodfellow 的《生成对抗网络（Generative Adversarial Networks）》论文发表以来，GAN 的进展突飞猛进，生成结果也越来越具有照片真实感。就在三年前，Ian Goodfellow 在 reddit 上回答 GAN 是否可以应用在文本领域的问题
转载
2024-05-11 20:53:01
83阅读
文章目录前言一、TensorFlow1.x1.在2.x环境中运行1.x程序2.定义计算图3.变量初始化4.创建执行会话5.占位符6.TensorBoard可视化工具二、TensorFlow2.x1.Tensor类2.张量创建3.维度变换4.张量索引5.张量运算总结 前言简单记录一些TensorFlow1.x中的操作，主要记录TensorFlow2.x中张量的创建和运算。一、TensorFlow1
转载
2024-04-01 06:45:20
57阅读
