文章目录简介准备工作生成pb产物移除单侧代码屏蔽“无关”文件添加构建目标serving代码阅读service层资源管理层servable层 简介准备写几个文章来记录对tensorflow代码的阅读。本文主要写tensorflow代码阅读准备及tensorflow-serving代码的阅读。准备工作代码阅读前，还是需要准备一下装备来提升代码阅读效率，好的工具能提升代码阅读的效率，这里推荐使用CLi
转载
2024-05-13 03:39:04
86阅读
这篇博客，将用来记录我使用TensorFlow时，常查阅的文档入口…将实时更新，以便后续使用…1. 数据的读取官网教程链接：https://tensorflow.google.cn/tutorials/load_data/images#%E7%BC%93%E5%AD%98简单粗暴 TensorFlow 2：https://tf.wiki/zh_hans/basic/tools.html#tf-da
10 文本生成——循环神经网络设计10.1 导入库import tensorflow as tffrom tensorflow.keras.preprocessing.sequence import pad_sequencesfrom tensorflow.keras.layers import Embedding, LSTM, Dense, Bidirectionalfrom tensorflow.keras.preprocessing.text import Tokenizerfrom t
原创
2021-12-28 17:37:12
113阅读
5 图像分类基础应用——猫狗分类案例5.1 导入库import osimport zipfileimport randomimport tensorflow as tffrom tensorflow.keras.optimizers import RMSpropfrom tensorflow.keras.preprocessing.image import ImageDataGeneratorfrom shutil import copyfile5.2 下载数据集# If the UR
原创
2021-12-28 17:37:14
387阅读
%config IPCompleter.greedy=True # TAB键代码自动提示1 TensotFlow深度学习的第一门课程1.1 查看tensorflow版本import tensorflow as tfprint(tf.__version__)
原创
2021-12-28 17:37:14
104阅读
docker简介Linux容器作为一类操作系统层面的虚拟化技术成果，旨在立足于单一Linux主机交付多套隔离性Linux环境。与虚拟机不同，容器系统并不需要运行特定的guest os。相反，容器共享同一套主机操作系统内核，同时利用guest os的系统库以交付必要的系统功能。由于无需借助于专门的操作系统，因此容器在启动速度上要远远优于虚拟机。上图是经典对比图，左图是传统的虚拟化，属于平台虚拟化（模
原创
2021-03-10 10:09:52
344阅读
docker简介Linux容器作为一类操作系统层面的虚拟化技术成果，旨在立足于单一Linux主机交付多套隔离性Linux环境。与虚拟机不同，容器系统并不需要运行特定的guest os。相反，容器共享同一套主机操作系统内核，同时利用guest os的系统库以交付必要的系统功能。由于无需借助于专门的操作系统，因此容器在启动速度上要远远优于虚拟机。上图是经典对比图，左图是传统的虚拟化，属于平台虚拟化（模
原创
2021-03-10 10:14:22
288阅读
1 工作空间 目录结构 src：代码空间（Source Space）存放工程文件的文件夹。 build：编译空间（Build Space）编译产生的中间文件（很少打开）。 devel：开发空间（Development Space）编译完成的可执行文件和链接、环境配置的脚本。 创建工作空间 #创建工作 ...
转载
2021-07-23 17:30:00
165阅读
点赞
为什么选择gRPC历史长久以来，我们在前后端交互时使用WebApi + JSON方式，后端服务之间调用同样如此（或者更久远之前的WCF + XML方式）。WebApi + JSON 是优选的，很重要的一点是它们两者都是平台无关的三方标准，且足够语义化，便于程序员使用，在异构（前后端、多语言后端）交互场景下是不二选择。然而，在后端服务体系改进特别是后来微服务兴起后，我们发现，前后端交互理所当然认可的
原创
2023-11-22 12:43:11
194阅读
教程目录0x00 教程内容0x01 Spark Streaming 编程1. 启动Spark Shell2. 创建 StreamingContext 对象3. 创建 DStream 对象4. 对 DStream 进行操作5. 输出数据0x02 校验结果并删除测试数据1. 查看统计结果2. 删除测试数据0xFF 总结0x00 教程内容Spark Streaming 编程校验结果并删除测试数据本案例是在官方文档上做了一定的修改，实现的过程非常简单：开启一个 Spark Streaming 应用，实
原创
2021-06-10 18:18:23
664阅读
教程目录0x00 教程内容0x01 Spark Streaming 编程1. 启动Spark Shell2. 创建 StreamingContext 对象3. 创建 DStream 对象4. 对 DStream 进行操作5. 输出数据0x02 校验结果并删除测试数据
原创
2022-01-17 09:56:31
145阅读
JMeter安装与配置环境本篇文章针对小白进一步的认识及运用JMeter，围绕知识点会有：线程组、用户定义变量、全局变量、H否正常。
原创
精选
2024-02-26 16:38:14
503阅读
Docker入门实操一、安装级运行docker安装[root@localhost~]#curl-sSLhttps://get.daocloud.io/docker|sh运行```[root@localhost~]#whichdocker/usr/bin/docker[root@localhost~]#dockerversionClient:Version:18.06.0-ceAPIversion:
原创
2018-07-31 14:02:46
2258阅读
点赞
最近有很多小伙伴问我源代码（其实没有人问），但为了做
原创
2022-07-07 14:24:04
107阅读
一 摘要 2015年11月9日，Google发布深度学习框架Tensorflow并宣布开源，迅速得到广泛的关注，在【图像分类】、【音频处理】、【推荐系统】和【自然语言处理】等场景下大面积被推广。Tensorflow系统更新的速度非常之快，官方文档的教程也比较齐全，上手快速，简单易用，支持Python和C++接口。本文依据对Tensorflow(简称
转载
2024-04-24 12:09:31
47阅读
论文下载地址 cosface，tensorflow源代码下载地址：cosface code。模型的训练通过train_multi_gpu.py实现，数据加载部分同之前介绍的方法类似，这里重点说一下网络结构和损失函数部分的代码，默认采用的网络结构是sphere_network,其主要实现在sphere_network.py的infer函数：def infer(input,embedding
转载
2024-08-11 20:20:55
171阅读
