Training Operators TensorFlow Training (TFJob) PyTorch Training MPI Training MXNet Training Job Scheduling Training Operators Training of ML models in Kubeflow through ope...

S4TF 基础使用 在 Swift 中使用标准的 TensorFlow API 在 Swift 中直接加载 Python 语言库 语言原生支持自动微分 MNIST数字分类 S4TF 基础使用 Swift 是动态强类型语言，也就是说 Swift 支持通过编译器自动检测类型，同时要求变量的使用要严格符合定义，所有变量都必须先定义后使用。 下面的...

使用Python客户端 简介 完整例子 实现原理 读取图片文件生成TesorProto 使用Python客户端 简介 我们要访问TensorFlow serving服务，Python应用也需要实现对应的gRPC客户端。 TensorFlow serving官方文档提供了生成mnist Python客户端的例子，但由于依赖bazel编译，...

说明 来源(书栈小编注) 说明 TensorFlow 正式版本 V1.0 已经发布，api 较之前 V0.xx 版本发生了较大变化，Tutorial、HowTo 等文档也发生了很大变化。新的文档更加合理，对TensorFlow甚至机器学习的新手更加友好，更适合循序渐进的学习。 网络上流传较广的TensorFlow中文文档大多为 TensorFl...

使用HDFS FUSE存储 简介 创建时自动挂载HDFS存储 手工挂载HDFS存储 卸载已挂载的HDFS存储 使用限制 使用HDFS FUSE存储 简介 HDFS FUSE是基于FUSE的文件系统，允许挂载HDFS上的文件目录到本地文件系统。用户读写本地文件，后台会自动同步到HDFS上。开发环境中使用HDFS FUSE用法与训练任务类似...

节点值的生命周期 求出节点时，TensorFlow 会自动确定所依赖的节点集，并首先求出这些节点。 例如，考虑以下代码： # w = tf.constant(3) # x = w + 2 # y = x + 5 # z = x * 3 # with tf.Session() as sess: # ...

TensorRT库性能测试 测试环境 测试对象 ResNet50 MobileNet ResNet101 Inception v3 TensorRT库性能测试 测试环境 CPU:Intel(R) Xeon(R) Gold 5117 CPU @ 2.00GHz GPU:Tesla P4 TensorRT4.0, CUDA8.0, CU...

TensorRT库性能测试 测试环境 测试对象 ResNet50 MobileNet ResNet101 Inception v3 TensorRT库性能测试 测试环境 CPU:Intel(R) Xeon(R) Gold 5117 CPU @ 2.00GHz GPU:Tesla P4 TensorRT4.0, CUDA8.0, CU...

模型转换工具 X2Paddle 安装 使用 Caffe TensorFlow ONNX 转换结果说明 问题反馈 模型转换工具 X2Paddle X2Paddle可以将caffe、tensorflow、onnx模型转换成Paddle支持的模型。目前支持版本为caffe 1.0；tensorflow 1.x，推荐1.4.0；ONNX 1.6...

为什么选择 Keras？ Keras 优先考虑开发人员的经验 Keras 被工业界和学术界广泛采用 Keras 可以轻松将模型转化为产品 Keras 支持多个后端引擎，不会将你锁定到一个生态系统中 Keras 拥有强大的多 GPU 和分布式训练支持 Keras 的发展得到深度学习生态系统中的关键公司的支持 为什么选择 Keras？ 在如今...