知识准备1、kubernetes中的基本概念如deployment，statefulset，rc，svc，pod等；2、tensorflow分布式集群。Tensorflow架构简介使用Tensorflow进行训练分为单机模式和分布式集群模式单机模式的比较简单（略）分布式模式主要包括如下几个角色： ps服务器：进行参数处理
转载
2024-03-23 17:44:15
85阅读
一、TensorFlow介绍深度学习框架TensorFlow一经发布，就受到了广泛的关注，并在计算机视觉、音频处理、推荐系统和自然语言处理等场景下都被大面积推广使用，现在已发布2.3.0版本，接下来我们深入浅出的介绍Tensorflow的相关应用。TensorFlow的依赖视图如下所示：TF托管在github平台，有google groups和contributors共同维护。TF提供了丰富的深度
原创
2023-01-12 07:25:45
269阅读
目录应用场景tensorrtTensorFlow=> tensorrtpb=>ufftensorrt样例 应用场景需要把深度学习模型搭载到无人机上完成一些探测任务。 大疆妙算上预装了tensorrt4，打算将TensorFlow训练好的模型搭载上去。tensorrttensorrt是个推理阶段的加速框架，支持一些层的操作，不是所有的层（比如dropout），不过也可以自定义没有的op
转载
2024-04-03 10:34:02
73阅读
本文准备介绍tensorflow对在线学习的支持。所谓在线学习也就是模型一边训练一边服务，与之相对的则是离线学习(或称为批量学习):在工程实现上，一般采用架构如下：通过周期性的模型同步，将训练集群和服务集群相互隔离，这样做是有必要的，因为两个集群的业务场景不一样，对他们的要求也不一样：模型服务集群承载着线上的真实流量，所以所有后端服务的常用指标都适用于服务模型服务集群，高可用性、高效率、高扩展性等
转载
2023-10-15 07:02:51
167阅读
训练深度学习模型的常见模式是随着训练的进行逐渐减少学习。这通常称为“学习率衰减”。学习衰减时间表可以是静态的（根据当前周期
原创
2023-01-17 01:46:44
191阅读
前言我们知道MLSQL支持SKLearn,TF等流行的算法框架，不过虽然支持了多个实例同时运行，但其实每个模型都需要跑全部数据。有的
原创
2023-04-30 06:48:05
241阅读
# 使用 TensorFlow 实现无监督深度学习
无监督深度学习是一种强大的机器学习方法，尤其适合处理未标记的数据。借助 TensorFlow，我们能够快速构建并训练神经网络模型。本文将引导你通过一个简单的流程，实现无监督深度学习。
## 流程概览
以下是我们实现无监督深度学习的总体流程，包括数据准备、模型设计、训练模型和评估模型几个步骤：
| 步骤 | 描述
# 教你实现Spark TensorFlow集成
## 1. 流程图
```mermaid
flowchart TD
A(开始) --> B(准备环境)
B --> C(导入数据)
C --> D(数据预处理)
D --> E(构建模型)
E --> F(训练模型)
F --> G(模型评估)
G --> H(结束)
```
## 2.
原创
2024-07-04 03:46:29
52阅读
参考以下两篇文章: 1.hikey970学习-011 hikey970上安装opencv 2.添加链hikey 970 debian 镜像（有opencl 和 tensorflow）1.安装带有tensorflow的系统 之前自己也装过好几次系统，但是到了安装tensorflow的时候就会出现很多问题，最终放弃自己安装tensorflow，改为预装tensorflow的系统，发现用起来挺好的，今天
# Android TensorFlow 集成指南
随着机器学习的快速发展，TensorFlow 已成为开发智能应用的重要工具。本文将为初学者提供 Android 上集成 TensorFlow 的详细步骤。通过这篇文章，您将了解整个流程并掌握实现过程中的每一步。
## 整体流程
以下是集成 TensorFlow 到 Android 项目的步骤：
| 步骤 | 描述
文章目录1.建立模型(Model)2.使用 TensorFlow 实现模型3.使用 TensorFlow 训练模型1.建立模型(Model)如下为我们进行某项实验获得的一些实验数据：我们将这些数据放到一个二维图上可以看的更直观一些，如下，这些数据在图中表现为一些离散的点我们需要根据现有的这些数据归纳出一个通用模型，通过这个模型我们可以预测其他的输入值产生的输出值。如下图，我们选择的模...
原创
2022-03-01 16:39:08
131阅读
文章目录1.建立模型(Model)2.使用 TensorFlow 实现模型3.使用 TensorFlow 训练模型1.建立模型(Model)如下为我们进行某项实验获得的一些实验数据：我们将这些数据放到一个二维图上可以看的更直观一些，如下，这些数据在图中表现为一些离散的点我们需要根据现有的这些数据归纳出一个通用模型，通过这个模型我们可以预测其他的输入值产生的输出值。如下图，我们选择的模...
原创
2021-06-10 16:47:27
365阅读
本篇文章中软件的下载需要科学上网支持。 主要参考资料为这篇文章，但是原文章涉及的TF版本已经过旧，有些小坑，例如android工程几个项目文件的修改，已经完全不同了。 TensorFlow的一个很突出的优势是跨平台，但是这方面的资料还比较少。 不过最近随着1.0版本的发布，文档的逐渐完善，在移动端的应用也越来越都多，并且官方增加了两个demo。其实应用在移动端还是比较容易的，只是因为官方的文档还是
转载
2023-09-28 23:15:27
56阅读
keras： tensorflow： dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu，kernel_regularizer=tf.contrib.layers.l2_regularizer(0.003)) 附文k
转载
2024-04-24 14:06:58
383阅读
## 深度学习 TensorFlow 如何启用 GPU
在深度学习的应用中，训练深度神经网络的过程通常需要大量的计算资源。相比于 CPU，GPU（图形处理单元）具有更强大的并行计算能力，可以显著提高模型训练的速度。因此，启用 GPU 进行深度学习是一项重要的任务，尤其是在使用 TensorFlow 进行模型开发时。本文将详细介绍如何在 TensorFlow 中启用 GPU，并提供相应的代码示例。
我们先介绍了对于图像修复的背景，需要利用什么信息来对缺失的区域进行修复，以及将图像当做概率分布采样的样本来看待，通过这个思路来开始进行图像的修复。这篇文章将继续介绍原文的第二部分，利用对抗生成网络来快速生成假图片。目录如下：第二步：快速生成假的图片从未知的概率分布中学习生成新的样本[ML-Hea...
翻译
2021-09-16 11:07:18
501阅读
Anaconda与TensorFlowAnaconda是一个开源的Python发行版本,包含了很多科学包. Tensorflow是谷歌近几年发行的机器学习框架安装过程Anaconda安装(其安装过程简单)Anaconda安装成功测试卸载AnacondaTensorFlow安装(安装过程较为麻烦)卸载TensorFlowAnaconda安装 Anaconda可以去官网下载,也可以去清华镜像 http
目录1. 远程服务器的链接2. 远程连接网络2.1 查看网址信息2.2 连接网络2.3 注销3. 搭建TensorFlow3.1 进入base3.2 退出base4. 搭建TensorFlow5. VSCode连接服务器5.1 下载5.2 安装5.3 安装插件5.4 添加服务器连接配置 5.5 连接服务器6. 终端运行代码 
转载
2024-09-29 12:23:14
240阅读
1：你想要学习TensorFlow，首先你得安装Tensorflow，在你学习的时候你最好懂以下的知识： a：怎么用python编程； b：了解一些关于数组的知识； c：最理想的情况是：关于机器学习，懂一点点；或者不懂也是可以慢慢开始学习的。2：TensorFlow提供很多API，最低级别是API
转载
2023-08-17 17:04:44
82阅读
原创 lightcity 光城 2019-01-16TensorFlow学习0.导语1.Session会话控制(两种打开模式)2.Tensorflow使用Variable3.Placeholder 传入值4.激励函数(activate function)5.定义添加神经层的函数6.建造神经网络7.matplotlib 可视化8.学习文章TensorFlow学习0.导语本周将会陆续更新莫凡pytho
转载
2021-03-17 15:32:11
168阅读
