腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
SeanCheney的专栏
专栏成员
举报
192
文章
387735
阅读量
89
订阅数
订阅专栏
申请加入专栏
全部文章(192)
python(68)
其他(36)
tensorflow(21)
scrapy(21)
编程算法(18)
机器学习(17)
爬虫(15)
数据分析(15)
神经网络(14)
scikit-learn(13)
分布式(12)
https(10)
深度学习(9)
github(7)
http(7)
网络安全(7)
html(6)
api(6)
人工智能(6)
numpy(5)
keras(5)
sql(4)
开源(4)
数据库(3)
云数据库 SQL Server(3)
云数据库 Redis(3)
git(3)
存储(3)
缓存(3)
强化学习(3)
监督学习(3)
决策树(3)
pytorch(3)
windows(3)
官方文档(2)
区块链(2)
NLP 服务(2)
数据挖掘(2)
c 语言(2)
css(2)
json(2)
linux(2)
文件存储(2)
网站(2)
卷积神经网络(2)
tcp/ip(2)
迁移学习(2)
微信(2)
数据结构(2)
pandas(2)
学习笔记(2)
比特币(1)
自动驾驶(1)
java(1)
php(1)
javascript(1)
go(1)
.net(1)
node.js(1)
嵌入式(1)
ide(1)
搜索引擎(1)
ubuntu(1)
命令行工具(1)
知识图谱(1)
腾讯云测试服务(1)
url 安全(1)
游戏(1)
gui(1)
dns(1)
npm(1)
selenium(1)
无监督学习(1)
anaconda(1)
安全(1)
数据处理(1)
系统架构(1)
架构设计(1)
微服务(1)
nest(1)
analysis(1)
axis(1)
kaggle(1)
macbook(1)
root(1)
sort(1)
sys(1)
system(1)
title(1)
测试(1)
基础(1)
进程(1)
模型(1)
权限(1)
数据(1)
数据类型(1)
系统(1)
系统设计(1)
线程(1)
协程(1)
语法(1)
搜索文章
搜索
搜索
关闭
《Scikit-Learn、Keras与TensorFlow机器学习实用指南(第二版)》第19章 规模化训练和部署TensorFlow模型
深度学习
tensorflow
嵌入式
api
有了能做出惊人预测的模型之后,要做什么呢?当然是部署生产了。这只要用模型运行一批数据就成,可能需要写一个脚本让模型每夜都跑着。但是,现实通常会更复杂。系统基础组件都可能需要这个模型用于实时数据,这种情况需要将模型包装成网络服务:这样的话,任何组件都可以通过REST API询问模型。随着时间的推移,你需要用新数据重新训练模型,更新生产版本。必须处理好模型版本,平稳地过渡到新版本,碰到问题的话需要回滚,也许要并行运行多个版本做AB测试。如果产品很成功,你的服务可能每秒会有大量查询,系统必须提升负载能力。提升负载能力的方法之一,是使用TF Serving,通过自己的硬件或通过云服务,比如Google Cloud API平台。TF Serving能高效服务化模型,优雅处理模型过渡,等等。如果使用云平台,还能获得其它功能,比如强大的监督工具。
SeanCheney
2020-02-18
6.6K
0
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第13章 使用TensorFlow加载和预处理数据
缓存
tensorflow
文件存储
api
数据挖掘
Data API还可以从现成的文件(比如CSV文件)、固定大小的二进制文件、使用TensorFlow的TFRecord格式的文件(支持大小可变的记录)读取数据。TFRecord是一个灵活高效的二进制格式,基于Protocol Buffers(一个开源二进制格式)。Data API还支持从SQL数据库读取数据。另外,许多开源插件也可以用来从各种数据源读取数据,包括谷歌的BigQuery。
SeanCheney
2019-12-16
3.4K
0
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第12章 使用TensorFlow自定义模型并训练
tensorflow
python
keras
api
目前为止,我们只是使用了TensorFlow的高级API —— tf.keras,它的功能很强大:搭建了各种神经网络架构,包括回归、分类网络、Wide & Deep 网络、自归一化网络,使用了各种方法,包括批归一化、dropout和学习率调度。事实上,你在实际案例中95%碰到的情况只需要tf.keras就足够了(和tf.data,见第13章)。现在来深入学习TensorFlow的低级Python API。当你需要实现自定义损失函数、自定义标准、层、模型、初始化器、正则器、权重约束时,就需要低级API了。甚至有时需要全面控制训练过程,例如使用特殊变换或对约束梯度时。这一章就会讨论这些问题,还会学习如何使用TensorFlow的自动图生成特征提升自定义模型和训练算法。首先,先来快速学习下TensorFlow。
SeanCheney
2019-12-13
5.3K
0
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第10章 使用Keras搭建人工神经网络
keras
c 语言
api
tensorflow
神经网络
下载本书代码和电子书:https://www.jianshu.com/p/4a94798f7dcc
SeanCheney
2019-10-16
3.2K
0
深度学习四大名著之《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第二版
tensorflow
keras
api
https
scikit-learn
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第二版
SeanCheney
2019-09-25
21K
4
《Learning Scrapy》(中文版)第9章 使用Pipelines
api
云数据库 SQL Server
云数据库 Redis
缓存
在上一章,我们学习了如何辨析Scrapy中间件。在本章中,我们通过实例学习编写pipelines,包括使用REST APIs、连接数据库、处理CPU密集型任务、与老技术结合。
SeanCheney
2019-02-15
1.4K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档