TensorFlow

首页 标签 TensorFlow
# TensorFlow #
关注
5060内容
Kubeflow实战系列:阿里云上使用JupyterHub
介绍 本系列将介绍如何在阿里云容器服务上运行Kubeflow, 本文介绍如何使用Jupyter Hub。 背景介绍 时间过得真快,李世乭和AlphaGo的人机对弈已经是两年前的事情。在过去的两年中,人工智能开始从学术界向工业界转型,基于人工智能技术的产品化落地和工业界方案的探索正如火如荼的进行。
TensorFlow在iOS和Mac上的使用
一、环境 1、首先你得安装好Xcode 8,确定开发者目录指向你安装Xcode的位置并且已经被激活。(如果你在安装Xcode之前已经安装了Homebrew,这可能会指向错误的地址,导致TensorFlow安装失败): sudo xcode-select -s /Applications/Xcode.
使用Opencv构建一个简单的图像相似检测器(MSE、SSIM)
本文使用opencv。numpy等简单的工具库,根据mse及ssim两种算法来评估两张图像的相似度,便于理解与实践。
如何使用最流行框架Tensorflow进行时间序列分析——第二篇
2017年深度学习框架关注度排名tensorflow以绝对的优势占领榜首,本文通过使用tensorflow优化过去一个使用特征提取方法的框架,证实了深度学习的优秀性能。
TensorFlow——module 'tensorflow' has no attribute 'xxx'
tf.sub()更改为tf.subtract() tf.mul()更改为tf.multiply() tf.types.float32更改为tf.float32 tf.pact()更改为tf.
云上深度学习实践(一)-GPU云服务器TensorFlow单机多卡训练性能实践
本文将介绍TensorFlow在阿里云GPU云服务器上的单机性能表现,并对单机多卡的性能调优给出了一些建议。
| |
来自: 云原生
Serverless助力AI计算:阿里云ACK Serverless/ECI发布GPU容器实例
ACK Serverless(Serverless Kubernetes)近期基于ECI(弹性容器实例)正式推出GPU容器实例支持,让用户以serverless的方式快速运行AI计算任务,极大降低AI平台运维的负担,显著提升整体计算效率。
Kaggle首席技术官发布——(Kaggle)NIPS 2017对抗学习挑战赛起步指南
本文是一个入门介绍,由Kaggle首席技术官Ben简单介绍以下2017年的NIPS 对抗学习竞赛数据的处理,用一个具体的代码实例介绍了如何生成目标对抗图像与非目标对抗图像,将对抗图像送入原先的分类器中,可以看到结果与原图大相径庭。
Kubeflow 使用指南
Kubeflow(https://github.com/kubeflow)是基于Kubernetes(https://kubernets.io,容器编排与管理服务软件)和TensorFlow(https://tensorflow.org,深度学习库)的机器学习流程工具,使用Ksonnet进行应用包的管理。
免费试用