榜单
服务器优惠
AI论文
-
MPI Training
MPI Training Alpha Installation Creating an MPI Job Monitoring an MPI Job Docker Images MPI Training Instructions for using MPI for training Alpha This Kubeflow compone... -
MPI Training
MPI Training Alpha Installation Creating an MPI Job Monitoring an MPI Job Docker Images MPI Training Instructions for using MPI for training Alpha This Kubeflow compone... -
基本用法
基本使用 综述 计算图 构建图 在一个会话中启动图 交互式使用 Tensor 变量 Fetch Feed 基本使用 使用 TensorFlow, 你必须明白 TensorFlow: 使用图 (graph) 来表示计算任务. 在被称之为 会话 (Session) 的上下文 (context) 中执行图. 使用 tensor... -
4-5 AutoGraph and tf.Module
4-5 AutoGraph and tf.Module 1. Introduction to Autograph and tf.Module 2. Packaging Autograph Using tf.Module 3. tf.Module and tf.keras.Model ，tf.keras.layers.Layer 4-5 ... -
FAQ
常见问题 内容 常见问题 建立 TensorFlow graph 为什么c = tf.matmul(a, b) 不立即执行矩阵相乘？ 设备是如何命名的? 如何在指定的设备上运行操作(operations)？ 可用的 tensor 有哪些不同的类型？ " level="2">运行 TensorFlow 计算过程。 请详细解释 feedin... -
简单放置
设备布置操作 TensorFlow 白皮书介绍了一种友好的动态布置器算法，该算法能够自动将操作分布到所有可用设备上，并考虑到以前运行图中所测量的计算时间，估算每次操作的输入和输出张量的大小， 每个设备可用的 RAM，传输数据进出设备时的通信延迟，来自用户的提示和约束等等。 不幸的是，这种复杂的算法是谷歌内部的，它并没有在 TensorFlow 的开源版本... -
OneFlow 和 ONNX 交互
OneFlow 和 ONNX 交互 oneflow_convert_tools oneflow_onnx 简介 环境依赖 用户环境配置 安装 安装方式1 使用方法 相关文档 nchw2nhwc_tool 简介 save_serving_tool 简介 OneFlow 和 ONNX 交互 oneflow_convert_too... -
本书的适用群体
本书的适用群体 本书的适用群体 本书适用于以下读者： 已有一定机器学习/深度学习基础，希望将所学理论知识使用TensorFlow进行具体实现的学生和研究者； 曾使用或正在使用TensorFlow 1.X版本或其他深度学习框架（比如PyTorch），希望了解TensorFlow 2.0新特性的开发者； 希望将已有的TensorFlow模型应... -
6-4,使用多GPU训练模型
6-4,使用多GPU训练模型 一，准备数据 二，定义模型 三，训练模型 6-4,使用多GPU训练模型 如果使用多GPU训练模型，推荐使用内置fit方法，较为方便，仅需添加2行代码。 在Colab笔记本中：修改->笔记本设置->硬件加速器 中选择 GPU 注：以下代码只能在Colab 上才能正确执行。 可通过以下colab链接测试效果《tf... -
Overview
Overview Multi-framework serving with KFServing or Seldon Core TensorFlow Serving NVIDIA Triton Inference Server BentoML Overview Model serving overview Kubeflow supports ...