357 条“人工智能与机器学习” 相关内容
- TensorFlow开始 | Get StartedGetting Started（开始）
Getting Started（开始）
GettingStarted 有关TensorFlow编程基础的简要概述，请参阅以下指南： TensorFlowMNIST入门已经成为尝试使用新机器学习工具包的标准数据集。
- TensorFlow配置 | DeployDeploy（部署）
Deploy（部署）
为TensorFlow服务设置的整个文档，这是一个开放源代码，灵活的高性能服务系统，用于为生产环境设计的机器学习模型。TensorFlowServing提供与TensorFlow模型的即用型集成。
- TensorFlow开始 | Get StartedMNIST For ML Beginners（ML的初学者MNIST 教程）
MNIST For ML Beginners（ML的初学者MNIST 教程）
- TensorFlow指南 | GuideEmbeddings（嵌套）
Embeddings（嵌套）
前两部分是针对机器学习或TensorFlow的新手，而嵌入式投影机则是针对各级用户的。 嵌入是从离散对象（如文本）到实数向量的映射。
- TensorFlow教程 | TutorialsLarge-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
Large-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
如何使用tf.estimator将线性模型与深度学习相结合以获得两者的优点。 阅读本概述以确定tf.estimator线性模型工具是否对您有用。然后做线性模型教程试一试。
- TensorFlow教程 | TutorialsTutorials（教程）
Tutorials（教程）
以下教程重点关注人类语言中的机器学习问题： 向量表示的单词，它演示了如何创建一个单词的嵌入。 递归神经网络，演示如何使用递归神经网络来预测句子中的下一个单词。
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
卷积神经网络 注意：本教程面向TensorFlow的高级用户，并假设具备机器学习方面的专业知识和经验。 概述 CIFAR-10分类是机器学习中常见的基准问题。
- TensorFlow教程 | TutorialsImproving Linear Models Using Explicit Kernel Methods（使用显式内核方法改进线性模型）
Improving Linear Models Using Explicit Kernel Methods（使用显式内核方法改进线性模型）
- Docker开始 | Get Started 第5部分：堆栈 | Part 5: Stacks
第5部分：堆栈 | Part 5: Stacks
学习如何在第2部分中创建容器。 确保您已经发布了friendlyhello你创造的形象将其推送到注册表.我们将在这里使用这个共享的图像。 确保你的图像作为一个部署的容器。
- Docker开始 | Get Started 第1部分：方向 | Part 1: Orientation
第1部分：方向 | Part 1: Orientation
开始，第1部分：方向和设置 1：概况介绍 2：集装箱 3：服务 4：成群 5：堆叠 6：部署应用程序 欢迎%21我们很兴奋你想学习如何使用码头。 在本六部分教程中，您将： 在这页上设置并定位。
- Docker开始 | Get Started 第4部分：群 | Part 4: Swarms
第4部分：群 | Part 4: Swarms
学习如何在第2部分中创建容器。 确保您已经发布了friendlyhello你创造的形象将其推送到注册表我们将在这里使用共享的图像。 确保你的图像作为一个部署的容器。
- TensorFlow教程 | TutorialsMandelbrot Set
Mandelbrot Set
Mandelbrot集合 Mandelbrot集的可视化与机器学习没有任何关系，但它提供了一个有趣的例子，说明如何将TensorFlow用于一般数学。
- Docker机器 | Machine从Boot2Docker迁移到Machine | Migrate from Boot2Docker to Machine
从Boot2Docker迁移到Machine | Migrate from Boot2Docker to Machine
- TensorFlow教程 | TutorialsHow to Retrain Inception's Final Layer for New Categories（如何为新类别重新训练盗梦空间的最后一层）
How to Retrain Inception's Final Layer for New Categories（如何为新类别重新训练盗梦空间的最后一层）
转移学习的神奇之处在于已经被训练以区分一些对象的较低层可以被重复用于许多识别任务，而没有任何改变。 瓶颈 该脚本可能需要30分钟或更长时间才能完成，具体取决于机器的速度。
- TensorFlow开始 | Get StartedTensorFlow Mechanics 101（TensorFlow力学101）
TensorFlow Mechanics 101（TensorFlow力学101）
本教程的目标读者是有兴趣使用TensorFlow的有经验的机器学习用户。 这些教程不适用于一般的机器学习教学。 请确保您已按照说明安装TensorFlow。
- TensorFlow扩展 | ExtendTensorFlow Architecture（TensorFlow架构）
TensorFlow Architecture（TensorFlow架构）
TensorFlow架构 我们为大规模分布式训练和推理设计了TensorFlow，但它也足够灵活，可以支持新机器学习模型和系统级优化的实验。 本文档描述了使这种规模和灵活性相结合的系统架构。
- Docker机器 | Machine开始使用本地VM | Get started with a local VM (Machine)
开始使用本地VM | Get started with a local VM (Machine)
（请参阅DockerforMac与Docker工具箱，了解Mac上的解释。） 然而，现在，如果您想创建多个本地机器，您仍然需要DockerMachine来创建和管理用于多节点实验的机器。
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号