HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
TensorFlow分布式实践
大数据时代,基于单机的建模很难满足企业不断增长的数据量级的需求,开发者需要使用分布式的开发方式,在集群上进行建模。而单机和分布式的开发代码有一定的区别,本文就将为开发者们介绍,基于TensorFlow进行分布式开发的两种方式,帮助开发者在实践的过程中,更好地选择模块的开发方向。基于TensorFlow原生的分布式开发分布式开发会涉及到更新梯度
TensorFlow从1到2(十四)评估器的使用和泰坦尼克号乘客分析
!(http://files.17study.com.cn/201904/tensorFlow2/tflogocard2.png)三种开发模式使用TensorFlow2.0完成机器学习一般有三种方式:使用底层逻辑这种方式使用Python函数自定义学习模型,把数学公式转化为可执行的程序逻辑。接着在训练循环
TensorFlow之tf.nn.dropout():防止模型训练过程中的过拟合问题
一:适用范围:tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数,它一般用在全连接层二:原理: dropout就是在不同的训练过程中随机扔掉一部分神经元。也就是让某个神经元的激活值以一定的概率p,让其停止工作,这次训练过程中不更新权值,也不参加神经网络的计算。但是它的权重得保留
TensorFlow为新旧Mac特供新版本,GPU可用于训练,速度最高提升7倍
苹果「一呼百应」的号召力在机器学习领域似乎也不例外。新版Mac推出还不到两周,谷歌就把专为Mac优化的TensorFlow版本做好了,训练速度最高提升到原来的7倍。机器之心报道,机器之心编辑部。对于开发者、工程师、科研工作者来说,Mac一直是非常受欢迎的平台,也有人用Mac训练神经网络,但训练速度一直是一个令人头疼的问题。
TensorFlow中的两种conv2d方法和kernel_initializer
tf.nn.conv2d在使用TF搭建CNN的过程中,卷积的操作如下convolutiontf.nn.conv2d(X,filters,strides1,2,2,1,padding"SAME")这个函数中各个参数的含义是什么呢?X:输入数据的minibatch,为一个4Dtensor;
TensorFlow——LinearRegression简单模型代码
代码函数详解tf.random.truncated\_normal()函数tf.truncated\_normal函数随机生成正态分布的数据,生成的数据是截断的正态分布,截断的标准是2倍的stddev。zip()函数zip() 函数用于将可迭代对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的对象。如果各个可迭代对象的
TensorFlow 算术运算符
TensorFlow算术运算符TensorFlow提供了几种操作,您可以使用它们将基本算术运算符添加到图形中。tf.add(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fwww.w3cschool.cn%2Ftensorflow_p
TensorFlow Serving 模型更新毛刺的完全优化实践
_前言_在点击率CTR(ClickThroughRate)预估算法的推荐场景中使用TensorflowServing热更新较大模型时会出现短暂的延时毛刺,导致业务侧超时,降低算法效果,为了解决这个问题,爱奇艺深度学习平台团队经过多个阶段的优化实践,最后对TFServing和Tensorflow的源码进行深入优
TensorFlow Ranking框架在海外推荐业务中的实践与应用
前言在当今互联网世界,推荐系统在内容分发领域扮演着至关重要的角色。如何尽可能的提升推荐系统的推荐效果,是每个推荐算法同学工作的核心目标。在爱奇艺海外推荐业务,引入TensorFlowRanking(TFR)框架,并在此基础上进行了研究和改进,显著提升了推荐效果。本文将分享TFR框架在海外推荐业务中的实践和应用。01算法的
TensorFlow On Flink 原理解析
作者:陈戊超(仲卓),阿里巴巴技术专家深度学习技术在当代社会发挥的作用越来越大。目前深度学习被广泛应用于个性化推荐、商品搜索、人脸识别、机器翻译、自动驾驶等多个领域,此外还在向社会各个领域迅速渗透。背景当前,深度学习的应用越来越多样化,随之涌现出诸多优秀的计算框架。其中TensorFlow,PyTorch,MXNeT作为广泛使用
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。