榜单
服务器优惠
AI论文
-
Quantization模型转换
Quantization模型转换 Quantization模型转换 提示 Quantized模型是对原模型进行转换过程中，将float参数转化为uint8类型，进而产生的模型会更小、运行更快，但是精度会有所下降。 前面我们介绍了Float 模型的转换方法，接下来我们要展示下 Quantized 模型，在TF1.0上，可以使用命令行工具转换 Qua... -
术语表
术语表 广播操作(Broadcasting operation) Devices eval Feed Fetch Graph(图) IndexedSlices（索引化切片） Node（节点） 操作（Op/operation） Run Session(会话) Shape SparseTensor Tensor 术语表 广... -
TFJob v1beta2
TFJob v1beta2 TFJob Common TFJob TensorFlow TFJob v1beta2 Reference documentation for version v1beta2 of the TFJob custom resource. TFJob Common Reference documentation ... -
多个服务器的多个设备
多个服务器的多个设备 要跨多台服务器运行图形，首先需要定义一个集群。 一个集群由一个或多个 TensorFlow 服务器组成，称为任务，通常分布在多台机器上（见图 12-6）。 每项任务都属于一项作业。 作业只是一组通常具有共同作用的任务，例如跟踪模型参数（例如，参数服务器通常命名为"ps" ，parameter server）或执行计算（这样的作业通常... -
1.1. Install and uninstall
Install and uninstall WasmEdge Quick install Install for all users Install a specific version of WasmEdge What’s installed Uninstall Install WasmEdge for Node.js Install a... -
使用SavedModel完整导出模型
使用SavedModel完整导出模型 使用SavedModel完整导出模型 在部署模型时，我们的第一步往往是将训练好的整个模型完整导出为一系列标准格式的文件，然后即可在不同的平台上部署模型文件。这时，TensorFlow为我们提供了SavedModel这一格式。与前面介绍的Checkpoint不同，SavedModel包含了一个TensorFlow程... -
End-to-end Kubeflow on IBM Cloud
End-to-end Kubeflow on IBM Cloud Introduction Overview of IKS The model and the data The overall workflow Run the MNIST Tutorial on IKS End-to-end Kubeflow on IBM Cloud Ru... -
Deep Learning Frameworks
Running Deep Learning Frameworks on Alluxio Data Challenges of Deep Learning How Alluxio Helps Deep Learning Storage Challenges Using Tensorflow on Alluxio FUSE Running Deep... -
Deep Learning Frameworks
Running Deep Learning Frameworks on Alluxio Data Challenges of Deep Learning How Alluxio Helps Deep Learning Storage Challenges Using Tensorflow on Alluxio FUSE Running Deep... -
Deep Learning Frameworks
Running Deep Learning Frameworks on Alluxio Data Challenges of Deep Learning How Alluxio Helps Deep Learning Storage Challenges Using Tensorflow on Alluxio FUSE Running Deep...