如何将训练好的Python模型给JavaScript使用？
本文介绍了如何将TensorFlow模型转换为Web格式以实现浏览器中的实际应用。首先，简述了已有一个能够检测扑克牌的TensorFlow模型，目标是将其部署到Web上。接着，讲解了TensorFlow.js Converter的作用，它能将Python API创建的GraphDef模型转化为TensorFlow.js可读取的json格式，用于浏览器中的推理计算。然后，详细说明了Converter的安装、用法及不同输入输出格式，并提供了转换命令示例。最后，文中提到了模型转换后的实践步骤，包括找到导出的模型、执行转换命令以及在浏览器端部署模型的流程。
Windows10下CUDA9.0+CUDNN7.0.5的完美安装教程
该文介绍了如何在Windows 10上安装CUDA 9.0和cuDNN 7.0.5以支持Tensorflow-gpu 1.10.0。首先，解释了安装CUDA的原因，然后详细步骤包括：从NVIDIA官网下载CUDA 9.0，选择自定义安装并关闭不必要的组件，检查显卡驱动版本以决定是否安装Display Driver，最后确认安装成功。接着，下载cuDNN需要注册NVIDIA账户，解压后将文件复制到CUDA安装目录。整个过程旨在确保与Tensorflow-gpu 1.10.0的兼容性。
使用TensorFlow进行深度学习入门
【5月更文挑战第11天】本文引导读者入门TensorFlow深度学习，介绍TensorFlow——Google的开源机器学习框架，用于处理各种机器学习问题。内容包括TensorFlow安装（使用pip）、核心概念（张量、计算图和会话）以及构建和训练简单线性回归模型的示例。通过这个例子，读者可掌握TensorFlow的基本操作，包括定义模型、损失函数、优化器以及运行会话。