本文主要讲解TensorFlow中比较常用的的几个函数：
tf.slice()
tf.convert_to_tensor()
tf.nn.embedding_lookup()
2024年10月03日
本文主要讲解TensorFlow中比较常用的的几个函数：
tf.slice()
tf.convert_to_tensor()
tf.nn.embedding_lookup()
2024年10月03日
使用TensorFlow v2.0的基本张量操作
from __future__ import print_function
import tensorflow as tf
# 定义张量常量
a = tf.constant(2)
b = tf.constant(3)
c = tf.constant(5)
# 各种张量操作
# 注意：张量也支持python的操作（+，*,...）
add = tf.add(a,b)
sub = tf.subtract(a,b)
mul = tf.multiply(a,b)
div = tf.divide(a,b)
# 访问张量的值
print("add=",add.numpy())
print("sub=",sub.numpy())
print("mul=",mul.numpy())
print("div=",div.numpy())
2024年10月03日
TensorFlow计算图是由op和tensor组成，那么tensor一般都用来代表什么呢？显然，像模型的输入数据、网络权重、输入数据经op处理后的输出结果都需要用张量或特殊张量进行表达。既然tensor在TensorFlow体系架构中如此重要，因此本文将带领大家由浅入深地学习tensor的三个话题：用户眼中的tensor、TensorFlow系统中的tensor、tensor高阶用法DLPack（跨框架编程，如：TensorFlow+PyTorch）。
2024年10月03日
在本文中我们将对TensorFlow中的一些基本概念做一个简单的介绍，希望进一步了解这些概念及其实现的读者，可以参考官方的白皮书（主要是15年的）以及TensorFlow官网的一些文档。需要注意的是，这些资料中的部分内容对于TensorFlow2.0来说已经不适用了，读者在阅读的时候需要留意。
2024年10月03日
摘要： 训练好的模型不知道如何布置到生产环境？快来学习一下吧！
将机器学习（ML）模型应用于生产环境已成为一个火热的的话题,许多框架提供了旨在解决此问题的不同解决方案。为解决这一问题，谷歌发布了TensorFlow（TF）服务，以期待解决将ML模型部署到生产中的问题。
本文提供了一个关于服务于预先训练的卷积语义分割网络的实践教程。阅读本文后，你将能够使用TF服务来部署和向TF训练的深度CNN发出请求等操作。另外，本文将概述TF服务的API及其工作原理。如果你想学习本教程并在计算机上运行示例，请完整了解本文。但是，如果你只想了解TensorFlow服务，你可以专注于前两部分。
2024年10月03日
这是一个基础入门的TensorFlow教程，展示了如何：
from __future__ import absolute_import, division, print_function
2024年10月03日
经常在网上看到不少网友咨询能否有一款好用的截图软件，我自己也试用过不少。有些截图软件的功能的确很强大，但总感觉操作起来不是很顺手，还是缺少一些人性化的因素。当我遇到PicPick的时候，让我的想法开始有了改变……
第一次看到PicPick介绍的时候，还误以为是Word的插件呢，仔细看过以后发现是自己看错了，没想到可以做成这个样子，不过挺不错的，让我开始对它有了印象。
2024年10月03日
我们在制作PPT演示文档时，如需用图片中的某一颜色填充形状时，通常是直接使用取色器快速填充，如果office软件没有取色器该如何进行取色呢？
方法1：QQ截图获取颜色RGB值
例如，下图中将上面的矩形形状用下面树林中绿色部分填充；以极速office的操作演示为例进行说明。
首先用极速写作打开PPT文档后，使用QQ截图快捷键Ctrl+Alt+A后，在取色图片中用鼠标扫到相应的位置，这时会显示一个RGB的数值，记住这个数值后，退出截图模式；