AI 助理
备案控制台
阿里云文档 2025-04-14

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。

文章 2024-08-31 来自：开发者社区

揭秘Uno Platform状态管理之道：INotifyPropertyChanged、依赖注入、MVVM大对决，帮你找到最佳策略！

Uno Platform 作为一款跨平台框架，其状态管理策略对于开发者来说至关重要。本文将对比分析 Uno Platform 中的几种状态管理策略，帮助开发者更好地选择适合自己项目的状态管理方案。一、状态管理概述在跨平台应用开发中，状态管理是指对应用中的数据状态进行统一管理和维护的过程。 Uno Platform 提供了多种状态管理策略，如...

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。

阿里云文档 2023-09-13

如何使用Blade优化基于TensorFlow的ResNet50模型_人工智能平台 PAI(PAI)

ResNet50作为一个广泛应用的经典结构网络，其优化在多种推理部署场景中都具有很高的实用价值。本文介绍如何使用Blade优化基于TensorFlow的ResNet50模型。

阿里云文档 2023-03-24

如何将Tensorflow,Pytorch和Python等模型部署到Seldon中

DataScience集群的KubeFlow服务内置了SeldonCore组件， 可以为模型提供在线服务，基于Kubernetes，您无需关心在线服务的运维工作。您可以根据提供的dsdemo代码，将Tensorflow，Pytorch和Python等模型部署到Seldon中。

文章 2022-08-02 来自：开发者社区

Tensorflow Serving部署模型与调用

一、模型训练Codeimportmatplotlib.pyplotaspltimporttimefromnumpyimportasarrayfromnumpyimportuniquefromnumpyimportargmaxfromtensorflow.keras.datasets.mnistimportload_datafromtensorflow.kerasimportSequentialf....

Tensorflow Serving部署模型与调用
阿里云文档 2022-03-14

如何使用AICompiler对TensorFlow和PyTorch模型进行编译优化

AICompiler是集成在PAI-Blade中的AI编译优化组件，包含Static Shape和Dynamic Shape编译框架。通常您无需提供额外配置，AICompiler即可在通用透明的情况下帮助您提高推理性能。本文介绍如何使用AICompiler对TensorFlow和PyTorch模型进行编译优化。

文章 2022-02-17 来自：开发者社区

Kubeflow实战系列：利用TensorFlow Serving进行模型预测

介绍 本系列将介绍如何在阿里云容器服务上运行Kubeflow, 本文介绍如何使用TensorFlow Serving加载训练模型并且进行模型预测。 第一篇：阿里云上使用JupyterHub 第二篇：阿里云上小试TFJob 第三篇：利用TFJob运行分布式TensorFlow 第四篇：利用TFJob导出分布式TensorFlow模型 第五篇：利用TensorFlow Serving进行模...

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。

TensorFlow模型相关内容

TensorFlow更多模型相关

TensorFlow您可能感兴趣

人工智能

了解行业+人工智能最先进的技术和实践，参与行业+人工智能实践项目

+关注