281 条“大模型性能评估” 相关内容
- TensorFlow表现 | PerformanceHigh-Performance Models（高性能的模型）
High-Performance Models（高性能的模型）
高性能模型 本文档和附带的脚本详细介绍了如何构建针对各种系统类型和网络拓扑的高度可扩展模型。本文档中的技术利用了一些低级的TensorFlowPython基元。
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
用于计算学习参数的移动平均数的例程以及在评估期间使用这些平均数来提高预测性能。 实施随着时间的推移系统地减少的学习率计划。 预取输入数据的队列以隔离模型与磁盘延迟和消耗较大的图像预处理。
- HTTP指南 | GuidesConnection management in HTTP 1.x
Connection management in HTTP 1.x
在初期，HTTP使用单一模型来处理这种连接。这些连接是短暂的：每次请求需要发送时创建一个新连接，并在收到答复后关闭。 这个简单的模型对性能有着天生的限制：打开每个TCP连接是耗费资源的操作。
- webpack组态 | Configuration性能 | Performance
性能 | Performance
性能 这些选项可以控制webpack如何通知「资源(asset)和入口起点超过指定文件限制」。此功能受到webpack性能评估的启发。 performance object 配置如何展示性能提示。
- 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）
- 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）
具有张量流的大规模线性模型 tf.estimatorAPI为TensorFlow中的线性模型提供了一套丰富的工具（除其他外）。本文档提供了这些工具的概述。它说明： 线性模型是什么。
- TensorFlow教程 | TutorialsVector Representations of Words（字词的向量表示）
Vector Representations of Words（字词的向量表示）
- TensorFlow开始 | Get StartedDeep MNIST for Experts（针对专家的深度MNIST）
Deep MNIST for Experts（针对专家的深度MNIST）
评估模型 我们的模型有多好？ 首先我们要弄清楚我们在哪里预测了正确的标签。tf.argmax是一个非常有用的函数，可以为您提供某个轴上张量中最高入口的索引。
- TensorFlow开始 | Get StartedBuilding Input Functions with tf.estimator（使用tf.estimator建立输入函数）
Building Input Functions with tf.estimator（使用tf.estimator建立输入函数）
您将了解如何构建一个input_fn预处理模型并将数据输入到模型中。然后，您将实施一项input_fn将训练，评估和预测数据输入到神经网络回归器以预测房屋中值的中值。
- TensorFlow开始 | Get Startedtf.estimator Quickstart（tf.estimator快速入门）
tf.estimator Quickstart（tf.estimator快速入门）
tf.estimator快速入门 TensorFlow的高级机器学习API（tf.estimator）可以轻松配置，训练和评估各种机器学习模型。
- TensorFlow配置 | DeployDeploy（部署）
Deploy（部署）
Deploy 本节重点介绍部署现实世界的模型。它包含以下文件： 分布式TensorFlow，它解释了如何创建一个TensorFlow服务器集群。
- TensorFlow表现 | PerformancePerformance Guide（性能指南）
Performance Guide（性能指南）
性能指南 本指南包含一系列优化TensorFlow代码的最佳实践。该指南分为几个部分： 一般最佳实践涵盖了各种模型类型和硬件中常见的主题。 针对与GPU有关的GPU细节提示进行优化。
- ReduxFAQRedux FAQ：性能（Performance）
Redux FAQ：性能（Performance）
性能 Redux在性能和体系结构方面的“规模”如何？ 尽管对此没有单一的明确答案，但大多数情况下，这两者都不应成为问题。
- TensorFlow教程 | TutorialsA Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
A Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
- TensorFlow扩展 | ExtendCreating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
Creating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
- 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。
- TensorFlow指南 | GuideEstimators（估计量）
Estimators（估计量）
估算器的优点 估算人员提供以下好处： 您可以在本地主机上或分布式多服务器环境中运行基于估算器的模型，而无需更改模型。此外，您可以在CPU，GPU或TPU上运行基于估算器的模型，而无需重新编码模型。
- CC 语法Arithmetic types
Arithmetic types
请注意，conversionto_Bool与转换为其他整数类型的转换不同：(bool)0.5评估为1，而(int)0.5评估为0。
- TensorFlow指南 | GuideDebugging TensorFlow Programs（调试TensorFlow程序）
Debugging TensorFlow Programs（调试TensorFlow程序）
pfinput_xs：0EVAL评估任意Python和numpy表达式。eval<表达式>评估一个Python/numpy表达式，numpy可用作np并调试反引号中的张量名称。
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