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
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07月26日
本文主要讲述MoXing将模型定义在model_fn方法中，并在mox.run时注册该方法。
基本方法：
def model_fn(inputs, mode, **kwargs):
...
return mox.ModelSpec(...)
mox.run(..., model_fn=model_fn, ...)
2024年07月26日
1.什么是TFserving
当你训好你的模型，需要提供给外部使用的时候，你就需要把模型部署到线上，并提供合适的接口给外部调用。你可能会考虑一些问题：
2024年07月26日
最新版本：http://www.mashangxue123.com/tensorflow/tf2-tutorials-quickstart-advanced.html
英文版本：https://tensorflow.google.cn/alpha/tutorials/quickstart/advanced
2024年07月26日
TensorFlow的Estimators API可用于在具有多个GPU的分布式环境中训练机器学习模型。在这里，我们将通过训练tf.keras为小型Fashion-MNIST数据集编写的自定义估算器来呈现此工作流程，然后在最后展示更实用的用例。
TL; DR：基本上我们想要记住的是，tf.keras.Model可以通过tf.estimatorAPI将其转换为tf.estimator.Estimator通过该tf.keras.estimator.model_to_estimator方法的对象来训练。转换后，我们可以应用Estimators提供的机制来训练不同的硬件配置。
2024年07月26日
本文来自华尔街见闻旗下“全天候科技”，悦读更多请登录www.awtmt.com或关注微信号“全天候科技（ID:iawtmt）” 。
3月27日，一年一度的英伟达GTC大会在美国圣何塞召开。会上，英伟达发布了“全球最大的GPU”——DGX-2，它能让开发者获得极强的深度学习训练能力，以处理最大规模的数据集和最复杂的深度学习模型。