在移动设备上使用 TensorFlow Lite 模型运行推理不仅仅是与模型交互，还需要额外的代码来处理复杂的逻辑，如数据转换、预处理/后处理、加载关联文件等。今天，我们将为大家介绍TensorFlow Lite Task Library，这是一组功能强大

硬件配置:interl i7-6700hq 2.60GHz * 8corenvidia GeForce 940MX显卡。软件配置:gpu版本:python3.7.0, tensorflow-gpu 1.13.1, cuda 10.0, cudnn 7.5.

最近我开始学习深度学习框架Tensorflow，一开始在Windows平台下的anaconda下安装，由于anaconda安装几次后navigator打开老是出现闪退的问题，所以决定换个Ubuntu下继续折腾tensorflow。本人笔记本没有NVIDIA

nn.in_top_k() 判断预测结果是否正确。函数本来的意义为判断label是不是在logits 的前k大的值，返回一个布尔值。模型的权重是保存在 .chkp 文件中，模型的图是保存在 .chkp.meta 文件中。

深度学习正在成为企业和高校的热门研究领域之一。去年，谷歌开源了其深度学习库TensorFlow，正被广泛应用于深度学习产品中。谷歌最近又发布了一个新的TensorFlow图像识别库 ——Slim。TF-Slim是TensorFlow的一款轻量级的生成、训练

TensorFlow 2.0 预览版上线了！近日，谷歌 AI 团队成员 Martin Wicke 在社交网络上向大家发布了这一最流行深度学习框架的「开发者预览版」，该版本又被称为「Nightly 版」——因为框架会每晚更新。这不是一个稳定的版本，但开发者们

我一直在研究稀疏编码和实现它的不同方法，在这篇文章中，我会比较它们，以下是详细的情况。另外，我将仅介绍使用自动编码器进行稀疏编码的方法。我们可以清楚地观察到，所学习的滤波器对某些数字变得更加具体，并且在最后epoch之后，滤波器代表了一个数字的笔划。这种方

近日，谷歌开发者博客发布了一篇文章，介绍了用于 TensorFlow 的编译器 XLA的原理和能力。TensorFlow 的设计目标和核心优势之一是其灵活性。TensorFlow 被设计成一个灵活和可扩展的系统，可用于定义任意数据流图并使用异构计算设备以分

2015年，谷歌对外发布了其内部用于开发人工智能算法的工具——TensorFlow，这一举措在某种程度上改变了全球范围内AI研究和开发的运作方式。借谷歌CEO的话来说，建立这种能产生深远影响的技术，将是开放的、可访问的、可免费使用的。人工智能的准入门槛从博

实验设置这个实验的设置非常简单。要模拟真实世界的用例，可以从随机正常分布中创建一个32 * 32图像，并为其添加一些噪声。红框 →现在我们将使用32 * 32灰度图像。正如您在上面看到的，我们的图像平均值为26，方差为306。对于我们的第一种情况，我们可以

随着深层学习的火热，越来越多的人开始使用深层学习训练自己的模型。用GPU训练的速度比CPU快很多倍，可让需要训练一周的模型只在一天内完成。这篇post就介绍如何在Ubuntu14.04上安装用GPU训练的Theano、Lasagne、TensorFlow.

它包含了加密、标准库、解析器等等。我想到现在为止，它也应该包含了机器学习库。不管现实是怎么样的，这个震撼的课程都值得我们去学习。人们现在把 TensorFlow 和类似的库当作理所当然了。他们把它看作黑盒子并让它运行起来，但是并没有多少人知道在这背后的运

TensorFlow 2.0 是谷歌开源机器学习框架的下一个主要版本，将于 2018 年末推出其首个测试版。TensorFlow 是 Google 对机器学习和数据科学领域的贡献，是快速开发神经网络的一般框架。尽管 TensorFlow 相对较新，但由于其