558 条“大模型部署-4” 相关内容
- 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。
- Docker引擎 | Engine服务如何运作（引擎） | How services work (Engine)
服务如何运作（引擎） | How services work (Engine)
服务如何工作 要在DockerEngine处于群集模式时部署应用程序映像，请创建一个服务。在某些更大的应用程序中，服务通常会成为微服务的图像。
- 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)
使用DockerCLI创建群集，将应用程序服务部署到群集，并管理群体行为。 如果您之前使用的是Docker版本1.12.0，则可以使用独立群集，但我们建议您进行更新。
- 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 | 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）
默认情况下，此脚本将运行4,000个训练步骤。每个步骤从训练集中随机选择10幅图像，从高速缓存中找出它们的瓶颈，并将它们送入最终图层进行预测。
- 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教程 | TutorialsRecurrent Neural Networks（复发性神经网络）
Recurrent Neural Networks（复发性神经网络）
- Docker开始 | Get Started 第3部分：服务 | Part 3: Services
第3部分：服务 | Part 3: Services
开始，第3部分：服务 1：概况介绍 2：集装箱 3：服务 4：成群 5：堆叠 6：部署应用程序 先决条件 安装Docker版本1.13或更高版本... 获取Docker撰写。
- Docker开始 | Get Started 第5部分：堆栈 | Part 5: Stacks
第5部分：堆栈 | Part 5: Stacks
开始，第5部分：堆栈 1：概况介绍 2：集装箱 3：服务 4：成群 5：堆叠 6：部署应用程序 先决条件 安装Docker版本1.13或更高版本。 弄到码头组成如上文所述第三部分先决条件...
- 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）
例如，dense_shape=[3,6]指定二维3x6张量，dense_shape=[2,3,4]指定三维2x3x4张量，并dense_shape=[9]指定具有9个元素的一维张量。
- Docker开始 | Get Started 第6部分：部署您的应用程序 | Part 6: Deploy your app
第6部分：部署您的应用程序 | Part 6: Deploy your app
开始，第6部分：部署您的应用程序 1：概况介绍 2：集装箱 3：服务 4：成群 5：堆叠 6：部署应用程序 先决条件 安装Docker版本1.13或更高版本。
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
- Docker撰写 | ComposeDocker堆栈和分布式应用程序包 | Docker stacks and distributed application bundles (Compose)
Docker堆栈和分布式应用程序包 | Docker stacks and distributed application bundles (Compose)
如果您刚刚开始使用Docker并希望了解部署多服务应用程序的最佳方式，那么开始的一个好地方就是入门演练。这将向您展示如何在Compose文件中定义服务配置，部署应用程序并使用相关的工具和命令。
- TensorFlow教程 | TutorialsImage Recognition（图像识别）
Image Recognition（图像识别）
例如，以下是AlexNet对一些图像进行分类的结果： [图片] 为了比较模型，我们检查了模型未能预测正确答案的频率，作为他们排名前5位的猜测之一-被称为“五大错误率”。
- webpack组态 | Configuration性能 | Performance
性能 | Performance
- 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。
- Docker引擎: CLI | Engine: CLIdocker stack ls
docker stack ls
- TensorFlow教程 | TutorialsTensorFlow Linear Model Tutorial（TensorFlow线性模型教程）
TensorFlow Linear Model Tutorial（TensorFlow线性模型教程）
4.使用以下命令执行教程代码以操练本教程中描述的线性模型： $pythonwide_n_deep_tutorial.py--model_type=wide 请继续阅读以了解此代码如何构建其线性模型。
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