借助Google Cloud ML上的Tensorflow，实现65%的CPU和15%的内存

优化。

首先，Google Cloud ML是Google Cloud平台上的机器学习服务，而Tensorflow是一种开源的机器学习框架。通过结合使用Google Cloud ML和Tensorflow，可以实现对计算资源的优化，以提高CPU和内存的利用率。

针对CPU的优化，可以使用Tensorflow的分布式训练功能，将计算任务分布到多个CPU上并行处理，以加快训练速度。此外，可以使用Tensorflow的图优化技术，对计算图进行优化，减少不必要的计算步骤，从而降低CPU的负载。

对于内存的优化，可以使用Tensorflow的内存管理功能，对模型和数据进行内存优化。例如，可以使用Tensorflow的数据集API来加载和预处理数据，以减少内存占用。此外，可以使用Tensorflow的变量共享和重用功能，减少内存中重复存储的变量。

除了Tensorflow的优化技术，还可以利用Google Cloud平台的资源管理功能来优化CPU和内存的使用。例如，可以使用Google Cloud的自动伸缩功能，根据实际需求自动调整计算资源的数量，以避免资源浪费和性能瓶颈。

综上所述，借助Google Cloud ML上的Tensorflow，可以通过分布式训练、图优化、内存管理和资源管理等技术手段，实现对CPU和内存的优化，提高计算资源的利用率。

相关产品推荐：

• Google Cloud ML：Google Cloud平台上的机器学习服务，提供了丰富的机器学习工具和资源。详情请参考：Google Cloud ML产品介绍
• Tensorflow：开源的机器学习框架，支持分布式训练、图优化和内存管理等功能。详情请参考：Tensorflow官方网站