1. 如何使用自定义版本或与集群安装版本不一致的框架执行作业？ 1. 如何使用自定义版本或与集群安装版本不一致的框架执行作业？ 在XLearning客户端提交作业时，可通过—file 、—cacheFile 或—cacheArchive 指定框架对应版本、依赖库等文件，并根据需求在运行脚本中指定PYTHONPATH环境变量，如export PYTHO...

使用通用gRPC客户端 简介 使用Xiaomi Cloud-ML 实现原理 使用通用gRPC客户端 简介 TensorFlow serving提供了通用的gRPC接口，我们也考虑实现通用的gRPC客户端，由于用户模型的输入数据不同，因此我们通过JSON定义数据，并且集成到Xiaomi Cloud-ML中。 使用Xiaomi Cloud...

基础示例：线性回归 基础示例：线性回归 与前面的NumPy和Eager Execution模式不同，TensorFlow的Graph Execution模式使用 符号式编程 来进行数值运算。首先，我们需要将待计算的过程抽象为数据流图，将输入、运算和输出都用符号化的节点来表达。然后，我们将数据不断地送入输入节点，让数据沿着数据流图进行计算和流动，最终...

Scikit-learn TensorFlow Keras Anaconda Gensim NTLK Jieba Jupyter notebook GPU服务器 Scikit-learn Scikit-learn是广受欢迎的入门级机器学习库，包含大量的机器学习算法和特征提取实现，使用非常简便。Scikit-learn实现的是浅层学习算...

TPU 基础使用 TPU 基础使用 在 TPU 上进行 TensorFlow 分布式训练的核心API是 tf.distribute.TPUStrategy ，可以简单几行代码就实现在 TPU 上的分布式训练，同时也可以很容易的迁移到 GPU单机多卡、多机多卡的环境。以下是如何实例化 TPUStrategy ： resolver = tf ....

开始 开始 查看如下指南可对 TensorFlow 程序有个简要的概览： 初识 TensorFlow MINIST 是实验新的机器学习工具的经典数据集。我们提供了三篇指南，每篇介绍了一种不同的方法在TensorFlow 上训练 MNIST 模型。 MNIST-机器学习初学者 ，通过高级 API 介绍了 MNIST。 MNIST-机器学习专...

YoMo Prerequisite The image classification function Integration with YoMo In action What’s next YoMo YoMo is a programming framework enabling developers to build a distri...

What is MLeap? Why MLeap? Portable Models Spark, Scikit-learn and Tensorflow: One Runtime Common Serialization Seamless Integrations Open Source What is MLeap? MLeap is...

Autoscale InferenceService with inference workload InferenceService with target concurrency Create InferenceService Predict InferenceService with concurrent requests Check Dash...

应用实例 应用实例 本页介绍了一些 TensorFlow 系统当前在实际中的应用。 如果您在做研究、教育、或在某些产品中正在使用 TensorFlow，我们非常乐意在这里添加一些有关您的使用情况。请随时给我们发电子邮件简要说明您是如何使用TensorFlow的，或者给我们发 pull request来添加一个条目到本文件。 下面列出了...