TensorFlow

首页 标签 TensorFlow
# TensorFlow #
关注
5058内容
C#开发学习人工智能的第一步
C#开发学习人工智能的第一步前言 作为一个软件开发者,我们除了要学会复制,黏贴,还要学会调用API和优秀的开源类库。 也许,有人说C#做不了人工智能,如果你相信了,那只能说明你的思想还是狭隘的。 做不了人工智能的不是C#这种语言,而是你,我这种普通的程序员。
Tensorflow源码解析2 -- 前后端连接的桥梁 - Session
# 1 Session概述 Session是TensorFlow前后端连接的桥梁。用户利用session使得client能够与master的执行引擎建立连接,并通过session.run()来触发一次计算。它建立了一套上下文环境,封装了operation计算以及tensor求值的环境。 session创建时,系统会分配一些资源,比如graph引用、要连接的计算引擎的名称等。故计算完毕后
(转) An overview of gradient descent optimization algorithms
  An overview of gradient descent optimization algorithms     Table of contents: Gradient descent variantsChallenges Batch gradient desc...
为什么我们建立机器学习工程平台,而不是数据科学平台?
大约一年前,我们中的一些人开始研究开源机器学习平台 Cortex 。我们的动机很简单:鉴于从模型中构建应用程序是一种可怕的体验,充满了胶水代码和样板,我们需要一个工具,能将这些都予以抽象化。
十图详解TensorFlow数据读取机制(附代码)
在学习TensorFlow的过程中,有很多小伙伴反映读取数据这一块很难理解。确实这一块官方的教程比较简略,网上也找不到什么合适的学习材料。今天这篇文章就以图片的形式,用最简单的语言,为大家详细解释一下TensorFlow的数据读取机制,文章的最后还会给出实战代码以供参考。 TensorFlow读取机制图解 首先需要思考的一个问题是,什么是数据读取?以图像数据为例,读取数据的过程可以用下图来表示
kubeflow系列(三):模型即服务,关于tensorflow serving的使用
模型即服务(Model as a service)作为算法模型最优雅的价值变现,也是最佳的tf算法部署实践,Tensorflow Serving 作为Tensorflow官方的模型部署方案,也是kubeflow默认的一种tensorflow部署形式,本文介绍如何用 Tensorflow Serving 部署算法模型。
AI学习笔记——Tensorflow中的Optimizer(优化器)
在使用Tensorflow搭建神经网络的时候,最后一步总会用到tf.train.XxxOptimizer(). 然后会有很多Optimizer()如下图 其实这些Optimizer 都是优化算法下面重点介绍几个常见的 1. Gradient Decent 这是最基础的梯度下降算法,更新权重W,不多解释。
免费试用