阿里云文档 2024-07-11

基于TensorFlow Serving推理服务引擎部署PAI eas模型服务

TensorFlow Serving是一个适用于深度学习模型的推理服务引擎,支持将TensorFlow标准的SavedModel格式的模型部署为在线服务,并支持模型热更新与模型版本管理等功能。本文为您介绍如何使用镜像部署的方式部署TensorFlow Serving模型服务。

文章 2024-04-15 来自:开发者社区

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(八)(4)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(八)(3)https://developer.aliyun.com/article/1482463 跨多个设备并行执行 正如我们在第十二章中看到的,使用 TF 函数的一个好处是并行性。让我们更仔细地看一下这一点。当 TensorFlow 运行一个 TF 函数时,它首先分析其图形,找到需要评估的...

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(八)(4)

高校精品课-复旦大学-机器学习与深度学习

1 课时 |
195 人已学 |
免费

PAI平台学习路线:机器学习入门到应用

52 课时 |
2439 人已学 |
免费

场景实践 - 机器学习PAI实现精细化营销

7 课时 |
197 人已学 |
免费
开发者课程背景图
文章 2024-04-15 来自:开发者社区

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(七)(3)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(七)(3)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(七)(3)
文章 2024-04-15 来自:开发者社区

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(五)(2)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(五)(2)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(五)(2)
文章 2024-04-15 来自:开发者社区

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(五)(1)

第十二章:使用 TensorFlow 进行自定义模型和训练 到目前为止,我们只使用了 TensorFlow 的高级 API,Keras,但它已经让我们走得很远:我们构建了各种神经网络架构,包括回归和分类网络,Wide & Deep 网络,自正则化网络,使用各种技术,如批量归一化,dropout 和学习率调度。事实上,您将遇到的 95%用例不需要除了 Keras(和 tf.data...

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(五)(1)
文章 2024-04-15 来自:开发者社区

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(四)(1)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(四)(1)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(四)(1)
文章 2024-04-15 来自:开发者社区

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(三)(4)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(三)(3)https://developer.aliyun.com/article/1482415 第九章:无监督学习技术 尽管今天大多数机器学习应用都是基于监督学习的(因此,这也是大部分投资的方向),但绝大多数可用数据是无标签的:我们有输入特征X,但没有标签y。计算机科学家 Yann LeC...

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(三)(4)
文章 2024-04-15 来自:开发者社区

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(三)(2)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(三)(2)

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(三)(2)
阿里云文档 2024-02-08

如何使用PAI-Blade的SDK部署TensorFlow模型推理

PAI-Blade提供了C++ SDK帮助您部署优化后的模型推理。本文以TensorFlow模型为例,介绍PAI-Blade的SDK的使用方法。

阿里云文档 2024-01-03

如何使用Blade优化通过TensorFlow训练的BERT模型

BERT(Bidirectional Encoder Representation from Transformers)是一个预训练的语言表征模型。作为NLP领域近年来重要的突破,BERT模型在多个自然语言处理的任务中取得了最优结果。然而BERT模型存在巨大的参数规模和计算量,因此实际生产中对该模型具有强烈的优化需求。本文主要介绍如何使用Blade优化通过TensorFlow训练的BERT模型。

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐

阿里云机器学习平台PAI

阿里云机器学习PAI(Platform of Artificial Intelligence)面向企业及开发者,提供轻量化、高性价比的云原生机器学习平台,涵盖PAI-iTAG智能标注平台、PAI-Designer(原Studio)可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台,支持千亿特征、万亿样本规模加速训练,百余落地场景,全面提升工程效率。

+关注