1056 条“GPU大模型” 相关内容
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
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。 我们还提供了该模型的多GPU版本，它演示了： 配置模型以并行训练多个GPU卡。 在多个GPU之间共享和更新变量。
- 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表现 | PerformancePerformance Guide（性能指南）
Performance Guide（性能指南）
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。 针对CPU详细信息优化CPU特定信息。
- TensorFlow教程 | TutorialsTutorials（教程）
Tutorials（教程）
以下教程解释了TensorFlow系统上CPU和GPU的交互： 使用GPU以下教程介绍了图像识别的各个方面： 图像识别，它介绍了图像识别领域和用于识别图像的模型（初始）。
- CSS基本框模型 | Basic Box Model框模型 | CSS Box Model
框模型 | CSS Box Model
CSSBoxModel CSSBoxModel是CSS的一个模块，它定义了矩形框（包括它们的填充和边距），它们是根据可视化格式模型为元素生成的。
- CSSMiscellaneous Level 1盒子模型 | box model
盒子模型 | box model
盒模型 在布局文档时，浏览器的渲染引擎根据标准的CSS盒子模型将每个元素表示为矩形框。CSS确定这些框的大小，位置和属性（颜色，背景，边框尺寸等）。
- Lavas进阶教程Skeleton 和 App Shell 模型
Skeleton 和 App Shell 模型
Skeleton和AppShell模型 AppShell模型是架构PWA的一种方式，它能够可靠且即时地让站点快速加载到用户屏幕上，获得与本地APP相似的体验。
- 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表现 | PerformanceUsing JIT Compilation（使用JIT编译）
Using JIT Compilation（使用JIT编译）
- CSS写入模型 | Writing ModesCSS写入模型 | CSS Writing Modes
CSS写入模型 | CSS Writing Modes
- TensorFlow指南 | GuideSaving and Restoring（模型存储和加载）
Saving and Restoring（模型存储和加载）
保存器将恢复在模型中定义的所有变量。如果您在加载模型时不知道如何构建其图形（例如，如果您正在编写通用程序来加载模型），那么请阅读本文档后面的“保存和恢复模型概述”一节。
- 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 | GuideFrequently Asked Questions（问的频率最高的问题）
Frequently Asked Questions（问的频率最高的问题）
TensorFlow现在支持一台或多台计算机中的多个设备（CPU和GPU）。 TensorFlow与Python3兼容吗？
- TensorFlow表现 | PerformanceXLA Overview（XLA概述）
XLA Overview（XLA概述）
例如，XLAGPU后端可以执行专用于GPU编程模型的操作融合，并确定如何将计算划分为流。在这个阶段，后端也可以模式匹配某些操作或其组合来优化库调用。 下一步是目标特定的代码生成。
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