560 条“模型部署与优化” 相关内容
- Angular环境准备与部署搭建本地开发环境
搭建本地开发环境
《快速上手》种子包含了与《快速上手》游乐场一样的应用，但是，它真正的目的是提供坚实的本地开发基础。所以你的电脑里的项目目录里面有更多文件，参见搭建剖析。
- Angular环境准备与部署TypeScript 配置
TypeScript 配置
本页面会涵盖TypeScript配置与环境的某些方面，这些对Angular开发者是很重要的。具体来说包括下列文件： tsconfig.json-TypeScript编译器配置。
- 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。
- Docker引擎 | Engine群模式概述（引擎） | Swarm mode overview (Engine)
群模式概述（引擎） | Swarm mode overview (Engine)
功能亮点 与DockerEngine集成的集群管理：使用DockerEngineCLI创建一群Docker引擎，您可以在其中部署应用程序服务。您不需要额外的编排软件来创建或管理群。
- 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）
使用显式内核方法改进线性模型 在本教程中，我们将演示如何将（明确的）内核方法与线性模型结合起来，在隐性增加训练和推理时间的情况下，大幅提高后者的预测质量。
- 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。
- React快速入门 | Quick StartInstallation
Installation
当您准备部署到生产环境时，运行npmrunbuild将在build文件夹中创建应用程序的优化版本。您可以从README和用户指南中了解有关创建React应用程序的更多信息。
- TensorFlow表现 | PerformanceHow to Quantize Neural Networks with TensorFlow（如何量化神经网络的张力?）
How to Quantize Neural Networks with TensorFlow（如何量化神经网络的张力?）
现在，我们实际上有很多模型被部署在商业应用程序中。培训的计算需求随着研究人员数量的增加而增加，但推断所需的周期与用户成比例地增加。这意味着纯粹的推理效率已经成为许多团队的热门话题。
- 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）
图像和音频处理系统与丰富的高维数据集一起工作，该数据集被编码为用于图像数据的各个原始像素强度的矢量，或者例如用于音频数据的功率谱密度系数。
- TensorFlow表现 | PerformanceXLA Overview（XLA概述）
XLA Overview（XLA概述）
我们早期发布了XLA，这样开源社区可以为其开发做出贡献，并为与硬件加速器集成创建一条路径。 XLA（加速线性代数）是用于优化TensorFlow计算的线性代数的域特定编译器。
- Docker引擎 | EngineSwarm模式关键概念（引擎） | Swarm mode key concepts (Engine)
Swarm模式关键概念（引擎） | Swarm mode key concepts (Engine)
一个群是Docker引擎或集群节点，在这里部署服务。DockerEngineCLI和API包括管理群集节点（例如，添加或移除节点）以及在群集中部署和编排服务的命令。
- TensorFlow表现 | PerformanceBenchmarks（基准）
Benchmarks（基准）
基准 概观 在多个平台上测试了一系列图像分类模型，为TensorFlow社区创建了参考点。Methodology部分详细说明了测试如何执行并且链接到了所使用的脚本。
- 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）
随着过程的继续，您应该看到所报告的准确性提高，并且在所有步骤完成后，将对一组图像进行最终测试准确性评估，并将其与训练和验证图片分开保存。此测试评估是对训练模型如何在分类任务上执行的最佳估计。
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