351 条“训练速度” 相关内容
- 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教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
为了防止这些操作放慢训练速度，我们在连续填充TensorFlow队列的16个独立线程中运行它们。 模型预测 模型的预测部分由inference()添加操作来计算预测的逻辑的函数构建。
- 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表现 | PerformanceBenchmarks（基准）
Benchmarks（基准）
- TensorFlow教程 | TutorialsRecurrent Neural Networks（复发性神经网络）
Recurrent Neural Networks（复发性神经网络）
语言建模 在本教程中，我们将展示如何在语言建模的具有挑战性的任务上训练递归神经网络。问题的目标是拟合概率模型，将概率赋予句子。它通过预测文本中的下一个单词给出以前单词的历史记录来实现。
- TensorFlow表现 | PerformanceHigh-Performance Models（高性能的模型）
High-Performance Models（高性能的模型）
- TensorFlow开始 | Get StartedRegression Examples（回归的例子）
Regression Examples（回归的例子）
- TensorFlow开始 | Get StartedTensorFlow Mechanics 101（TensorFlow力学101）
TensorFlow Mechanics 101（TensorFlow力学101）
data_sets.validation5000个图像和标签，用于迭代验证训练精度。data_sets.test10000个图像和标签，用于最终测试的训练精度。
- 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）
如果你已经知道MNIST是什么，以及softmax（多项逻辑）回归是什么，那么你可能更喜欢这个速度更快的教程。确保在开始任何教程之前安装TensorFlow。
- 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?）
这意味着培训期间的准确性和速度是首要任务。使用浮点算法是保持准确性的最简单方法，并且GPU可以加速这些计算，所以很自然的是没有太多关注其他数字格式。 现在，我们实际上有很多模型被部署在商业应用程序中。
- 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教程 | TutorialsTensorFlow Wide & Deep Learning Tutorial（广泛深入的学习教程）
TensorFlow Wide & Deep Learning Tutorial（广泛深入的学习教程）
TensorFlow广泛和深度学习教程 在之前的TensorFlow线性模型教程中，我们使用人口普查收入数据集训练了一个逻辑回归模型来预测个人年收入超过5万美元的概率。
- 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）
训练模型 现在我们已经定义了我们的模型和训练损失函数，使用TensorFlow进行训练非常简单。由于TensorFlow知道整个计算图，因此它可以使用自动微分来查找相对于每个变量的损失梯度。
- 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）
这使得训练速度更快。实际上，我们将使用非常相似的噪声对比估计（NCE）损失，对此TensorFlow具有方便的帮助功能tf.nn.nce_loss()。 让我们直观地感受这将如何在实践中发挥作用！
- TensorFlow表现 | PerformancePerformance Guide（性能指南）
Performance Guide（性能指南）
一些云解决方案的网络连接磁盘的启动速度低于50MB/秒，比旋转磁盘（150MB/秒），SATASSD（500MB/秒）和PCIeSSD（2,000MB/秒）慢。
- TensorFlow教程 | TutorialsImage Recognition（图像识别）
Image Recognition（图像识别）
- TensorFlow配置 | DeployDistributed TensorFlow（tensorflow分布式）
Distributed TensorFlow（tensorflow分布式）
复制训练 一种称为“数据并行性”的通用训练配置涉及多个任务，在不同的小批量数据上一个worker工作训练相同的模型，更新ps作业中一个或多个任务中托管的共享参数。所有任务通常运行在不同的机器上。
- TensorFlow指南 | GuideEstimators（估计量）
Estimators（估计量）
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