腾讯云
开发者社区
文档
建议反馈
控制台
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
登录/注册
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
专栏作者
举报
192
文章
371358
阅读量
88
订阅数
订阅专栏
申请加入专栏
全部文章
python
其他
tensorflow
scrapy
编程算法
机器学习
爬虫
数据分析
神经网络
scikit-learn
分布式
https
深度学习
github
http
网络安全
html
api
人工智能
numpy
keras
sql
开源
数据库
云数据库 SQL Server
云数据库 Redis
git
存储
缓存
强化学习
监督学习
决策树
pytorch
windows
官方文档
区块链
NLP 服务
数据挖掘
c 语言
css
json
linux
文件存储
网站
卷积神经网络
tcp/ip
迁移学习
微信
数据结构
pandas
学习笔记
比特币
自动驾驶
java
php
javascript
go
.net
node.js
嵌入式
ide
搜索引擎
ubuntu
命令行工具
知识图谱
腾讯云测试服务
url 安全
游戏
gui
dns
npm
selenium
无监督学习
anaconda
安全
数据处理
系统架构
架构设计
微服务
nest
analysis
axis
kaggle
macbook
root
sort
sys
system
title
测试
基础
进程
模型
权限
数据
数据类型
系统
系统设计
线程
协程
语法
搜索文章
搜索
搜索
关闭
2022年,学PyTorch还是TensorFlow?
pytorch
深度学习
https
网络安全
深度学习四大名著作者Sebastian Raschka 博客上的一张图展示了近年来各种深度学习框架的使用趋势,可以看到PyTorch已经遥遥领先了。华为的MindSpore也取得了不错的成绩。
SeanCheney
2022-09-19
770
0
《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
6.5K
0
《Scikit-Learn、Keras与TensorFlow机器学习实用指南(第二版)》第18章 强化学习
编程算法
缓存
深度学习
强化学习
监督学习
(第二部分:深度学习) 第10章 使用Keras搭建人工神经网络 第11章 训练深度神经网络 第12章 使用TensorFlow自定义模型并训练 第13章 使用TensorFlow加载和预处理数据 第14章 使用卷积神经网络实现深度计算机视觉 第15章 使用RNN和CNN处理序列 第16章 使用RNN和注意力机制进行自然语言处理 第17章 使用自编码器和GAN做表征学习和生成式学习 第18章 强化学习 [第19章 规模化训练和部署TensorFlow模型]
SeanCheney
2020-02-13
1.7K
0
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第17章 使用自编码器和GAN做表征学习和生成式学习
机器学习
神经网络
深度学习
人工智能
(第二部分:深度学习) 第10章 使用Keras搭建人工神经网络 第11章 训练深度神经网络 第12章 使用TensorFlow自定义模型并训练 第13章 使用TensorFlow加载和预处理数据 第14章 使用卷积神经网络实现深度计算机视觉 第15章 使用RNN和CNN处理序列 第16章 使用RNN和注意力机制进行自然语言处理 第17章 使用自编码器和GAN做表征学习和生成式学习 [第18章 强化学习] [第19章 规模化训练和部署TensorFlow模型]
SeanCheney
2020-01-15
1.8K
0
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第16章 使用RNN和注意力机制进行自然语言处理
NLP 服务
机器学习
神经网络
深度学习
人工智能
自然语言处理的常用方法是循环神经网络。所以接下来会从 character RNN 开始(预测句子中出现的下一个角色),继续介绍RNN,这可以让我们生成一些原生文本,在过程中,我们会学习如何在长序列上创建TensorFlow Dataset。先使用的是无状态RNN(每次迭代中学习文本中的随机部分),然后创建一个有状态RNN(保留训练迭代之间的隐藏态,可以从断点继续,用这种方法学习长规律)。然后,我们会搭建一个RNN,来做情感分析(例如,读取影评,提取评价者对电影的感情),这次是将句子当做词的序列来处理。然后会介绍用RNN如何搭建编码器-解码器架构,来做神经网络机器翻译(NMT)。我们会使用TensorFlow Addons项目中的 seq2seq API 。
SeanCheney
2019-12-26
1.7K
0
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第15章 使用RNN和CNN处理序列
机器学习
深度学习
人工智能
神经网络
第10章 使用Keras搭建人工神经网络 第11章 训练深度神经网络 第12章 使用TensorFlow自定义模型并训练 第13章 使用TensorFlow加载和预处理数据 第14章 使用卷积神经网络实现深度计算机视觉 第15章 使用RNN和CNN处理序列 [第16章 使用RNN和注意力机制进行自然语言处理] [第17章 使用自编码器和GAN做表征学习和生成式学习] [第18章 强化学习] [第19章 规模化训练和部署TensorFlow模型]
SeanCheney
2019-12-23
1.4K
0
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第14章 使用卷积神经网络实现深度计算机视觉
编程算法
机器学习
神经网络
深度学习
人工智能
卷积神经网络(CNN)起源于人们对大脑视神经的研究,自从1980年代,CNN就被用于图像识别了。最近几年,得益于算力提高、训练数据大增,以及第11章中介绍过的训练深度网络的技巧,CNN在一些非常复杂的视觉任务上取得了超出人类表现的进步。CNN支撑了图片搜索、无人驾驶汽车、自动视频分类,等等。另外,CNN也不再限于视觉,比如:语音识别和自然语言处理,但这一章只介绍视觉应用。
SeanCheney
2019-12-20
1.7K
0
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第11章 训练深度神经网络
神经网络
深度学习
监督学习
无监督学习
迁移学习
第 10 章介绍了人工神经网络,并训练了第一个深度神经网络。 但它非常浅,只有两个隐藏层。 如果你需要解决非常复杂的问题,例如检测高分辨率图像中的数百种类型的对象,该怎么办? 你可能需要训练更深的 DNN,也许有 10 层或更多,每层包含数百个神经元,通过数十万个连接相连。 这可不像公园散步那么简单,可能碰到下面这些问题:
SeanCheney
2019-10-25
1.3K
0
常见深度学习框架对比
pytorch
tensorflow
深度学习
keras
python
目前研究人员正在使用的深度学习框架不尽相同,有TensorFlow、Caffe、Theano、Keras等,常见的深度学习框架如下图所示。
SeanCheney
2019-04-09
1.4K
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
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