1. 云栖社区>
  2. 全部标签>
  3. #TensorFlow#
TensorFlow

#TensorFlow#

已有7人关注此标签

内容分类:
博客 | 问答 | 视频 | 资料 |

如何用一套引擎搞定机器学习全流程?

本文由阿里技术专家陈戊超(仲卓)分享。深度学习技术在当代社会发挥的作用越来越大。目前深度学习被广泛应用于个性化推荐、商品搜索、人脸识别、机器翻译、自动驾驶等多个领域,此外还在向社会各个领域迅速渗透。

深度学习 分布式 大数据 数据处理 集群 node source 流计算 TensorFlow flink 实时计算 ML

TensorFlow On Flink 原理解析

本文将分享如何使用一套引擎搞定机器学习全流程的解决方案。先介绍一下典型的机器学习工作流程。如图所示,整个流程包含特征工程、模型训练、离线或者是在线预测等环节。

深度学习 分布式 大数据 数据处理 集群 node source 流计算 TensorFlow flink 实时计算

如何在 CentOS 8 上安装 TensorFlow

本文最先发布在: https://www.itcoder.tech/posts/how-to-install-tensorflow-on-centos-8/ TensorFlow是一个由Google 开发的,关于机器学习的开源平台。

python 模块 centos pip github Bash TensorFlow

基于函数计算 + TensorFlow 的 Serverless AI 推理

本文介绍了使用函数计算部署深度学习 AI 推理的最佳实践, 其中包括使用 FUN 工具一键部署安装第三方依赖、一键部署、本地调试以及压测评估, 全方位展现函数计算的开发敏捷特性、自动弹性伸缩能力、免运维和完善的监控设施。

监控 函数 配置 Image 弹性伸缩 按量付费 负载均衡 控制台 aliyun CPU AI TensorFlow serverless 高可用在线服务

开发函数计算的正确姿势——tensorflow serving

前言 首先介绍下在本文出现的几个比较重要的概念: 函数计算(Function Compute): 函数计算是一个事件驱动的服务,通过函数计算,用户无需管理服务器等运行情况,只需编写代码并上传。函数计算准备计算资源,并以弹性伸缩的方式运行用户代码,而用户只需根据实际代码运行所消耗的资源进行付费。

配置 弹性伸缩 aliyun github brew Bash AI TensorFlow serverless 函数计算

快速搭建 Serverless 人脸识别离线服务

本文将重点介绍如何快速地通过函数计算与函数工作流部署一个定时离线批量处理图片文件并标注出人脸的服务。

OSS 函数 高可用 弹性伸缩 按量付费 负载均衡 aliyun 对象存储 TensorFlow 人脸识别 serverless 函数计算 FC 函数工作流 FnF

趣头条基于 Flink 的实时平台建设实践

本文由趣头条实时平台负责人席建刚分享趣头条实时平台的建设,整理者叶里君。文章将从平台的架构、Flink 现状,Flink 应用以及未来计划四部分分享。

大数据 架构 SQL 数据流 配置 集群 平台架构 Server 流计算 TensorFlow 实时计算 ApacheFlink 实时平台

Install Tensorflow 2.0 in Conda on Windows 10

初学机器学习,安装Tensorflow时遇到了点问题,环境是WIN10+CONDA,简单做个笔记记录一下。 正常通过CONDA INSTALL是无法安装TF2.0的,所以只能通过PIP安装,如果你安装后没有任何问题,那么恭喜你,因为我没这么幸运。

python windows path Image pip IT TensorFlow conda

Alluxio使用——TensorFlow篇

1.安装部署 TensorFlow安装部署Alluxio安装部署 SSH免密登陆 2.使用 1).创建alluxio根目录 [bigdata@carbondata alluxio-2.0.0]$ .

云栖社区 python 根目录 Framework Core session service TensorFlow alluxio

TensorFlow安装部署

1.环境依赖 Centos7 组件 版本 Python 2.7.5 TensorFlow 0.14.0 pyhton依赖库 Package Version -------------------- --------- absl-py 0.

云栖社区 python 测试 rpm 云盘 pip markdown TensorFlow

《从机器学习到深度学习》笔记(5)集成学习之随机森林

集成学习模型与其他有监督模型的出发点大相径庭,之前的模型都是在给定的训练集上通过构建越来越强大的算法进行数据拟合。而集成学习着重于在训练集上做文章:将训练集划分为各种子集或权重变换后用较弱的基模型拟合,然后综合若干个基模型的预测作为最终整体结果。

深度学习 算法 配置 测试 bootstrap TensorFlow sklearn

《从机器学习到深度学习》笔记(4)划分数据集

任何机器学习算法都是基于对已有数据集或环境的信息挖掘,要求将从现有数据学习得到的模型能够适配于未来的新数据。

深度学习 算法 测试 oschina TensorFlow sklearn

《从机器学习到深度学习》笔记(3)强化学习

强化学习是对英文Reinforced Learning的中文翻译,它的另一个中文名称是“增强学习”。相对于有监督学习和无监督学习,强化学习是一个相对独特的分支;前两者偏向于对数据的静态分析,后者倾向于在动态环境中寻找合理的行为决策。

深度学习 算法 人工智能 agent 机器人 TensorFlow

TensorFlow 2.0+Keras 防坑指南

TensorFlow 2.0是对1.x版本做了一次大的瘦身,Eager Execution默认开启,并且使用Keras作为默认高级API,这些改进大大降低的TensorFlow使用难度。 本文主要记录了一次曲折的使用Keras+TensorFlow2.0的BatchNormalization的踩坑经历,这个坑差点要把TF2.0的新特性都毁灭殆尽,如果你在学习TF2.0的官方教程,不妨一观

python 深度学习 算法 阿里技术协会 mean github TensorFlow 问题排查 Keras 2.0 batchnormalization

机器学习PAI 可视化建模 Tensorflow升级通知

机器学习PAI 可视化建模 Tensorflow升级通知!请PAI Tensorflow用户注意查收邮件!

深度学习 算法 测试 钉钉 脚本 TensorFlow 机器学习PAI

QDS04 TensorFlow

QDS (Quick Deployment Series)快速的部署一个软件。这次我们来部署 TensorFlow 。 系统要求 Ubuntu 16.04 或更高版本(64 位)macOS 10.12.6 (Sierra) 或更高版本(64 位)(不支持 GPU)Windows 7 或更高版本(64 位)(仅支持 Python 3)Raspbian 9.0 或更高版本 硬件要求 从 TensorFlow 1.6 开始,二进制文件使用 AVX 指令,这些指令可能无法在旧版 CPU 上运行。

python API CPU pip GPU TensorFlow

6
GO