tensorflow serving docker
背景介绍
TensorFlow Serving 是一个用于机器学习模型 serving 的高性能开源库。它可以将训练好的机器学习模型部署到线上，使用 gRPC 作为接口接受外部调用。更加让人眼前一亮的是，它支持模型热更新与自动模型版本管理。
配置深度学习环境：PyCharm +tensorflow + keras
配置深度学习环境：PyCharm +tensorflow + keras说明 深度学习环境配置环境：win10 | Ubuntupip安装慢时参考链接](https://blog.csdn.net/qq_24671941/article/details/84109697)
安装低版本
pip install tensorflow==1.
tensorflow实现猫狗大战（分类算法）
本次使用了tensorflow高级API，在规范化网络编程做出了尝试。
第一步：准备好需要的库
tensorflow-gpu 1.8.0
opencv-python 3.3.1
numpy
skimage
tqdm
第二步：准备数据集：
https://www.
构建Tensorflow RDMA的Docker镜像
RDMA是一个远程通讯技术，它通过Kernel bypass等方式降低数据传输中的延迟和CPU消耗。
在分布式训练中，由于多个Worker之间或者Worker和Paramater Server 之间需要大量传输模型变量。当GPU到达一定数量后，受制于网络带宽以及TCP协议的延迟，通讯往往会成为计算性能的瓶颈，而在分布式训练中使用RDMA技术能够非常明显地提高训练速度。
#### Tenso
行人检测器原理与实现【深度学习】
在前一篇文章中，我们讨论了用于人体检测的早期方法，例如Vila Jones的目标检测框架（Haar级联）和方向梯度直方图（HOG）检测器。我们也看到了这些早期方法存在的问题，例如漏检、误检等。在本文中，我们将了解最新的深度学习技术是如何解决上述这些问题的，并使用代码来实现它。
深度学习入门笔记系列 ( 一 )
本系列将分为 8 篇 。今天是第一篇 ，工欲善其事必先利其器 ，先简单讲讲当前的主流深度学习框架 TensorFlow 及其安装方法 。
客户端码农学习ML —— 使用LinearRegressor实现线性回归
最近看了Google官方机器学习教程，跟着练习了部分示例，其中《使用 TensorFlow 的起始步骤》采用了LinearRegressor配合Pandas来进行线性回归训练。
于是使用两者重新写了一个版本的线性回归训练，数据也从之前python直接生成模拟数据改成了从csv文件读取，而csv文件来源于Excel: A列的100行等于1至100的序列， B=A*5+50+RANDBETWEEN(-10, 10)。