我的书签
添加书签
移除书签- TensorFlow模型导出
TensorFlow模型导出
- 使用SavedModel完整导出模型
- Keras Sequential save方法（Jinpeng）
TensorFlow模型导出
- 概览
- 本章小结
- 前言
- 介绍
- 如何使用本书
- 本书的适用群体
- 致谢
- TensorFlow概述
- 学生和研究者：模型的建立与训练
- 开发者和工程师：模型的调用与部署
- TensorFlow能帮助我们做什么？
- 基础
- TensorFlow安装与环境配置
- 一般安装步骤
- GPU版本TensorFlow安装指南
- IDE设置
- 第一个程序
- TensorFlow所需的硬件配置 *
- TensorFlow基础
- TensorFlow 1&+1
- 自动求导机制
- 基础示例：线性回归
- TensorFlow 模型建立与训练
- 模型（Model）与层（Layer）
- 基础示例：多层感知机（MLP）
- 卷积神经网络（CNN）
- 循环神经网络（RNN）
- 深度强化学习（DRL）
- 自定义层、损失函数和评估指标 *
- Keras Pipeline *
- TensorFlow常用模块
- TensorBoard：训练过程可视化
- tf.train.Checkpoint ：变量的保存与恢复
- tf.data ：数据集的构建与预处理
- @tf.function ：Graph Execution模式 *
- TODO
- tf.config：GPU的使用与分配 *
- 部署
- 使用SavedModel完整导出模型
- TensorFlow模型导出
- Keras Sequential save方法（Jinpeng）
- TensorFlow Serving
- TensorFlow Serving安装
- 在客户端调用以TensorFlow Serving部署的模型
- TensorFlow Serving模型部署
- TensorFlow Lite（Jinpeng）
- 模型转换
- Android部署
- Quantization模型转换
- 总结
- TensorFlow in JavaScript（Huan）
- TensorFlow.js 简介
- TensorFlow.js 环境配置
- TensorFlow.js 模型部署
- TensorFlow.js 模型训练 *
- 大规模训练与加速
- TensorFlow分布式训练
- 单机多卡训练： MirroredStrategy
- 多机训练： MultiWorkerMirroredStrategy
- 使用TPU训练TensorFlow模型（Huan）
- TPU 简介
- TPU 环境配置
- TPU 基础使用
- 扩展
- TensorFlow Hub 模型复用（Jinpeng）
- TensorFlow Datasets 数据集载入
- Swift for TensorFlow (S4TF) (Huan）
- S4TF 简介
- S4TF 环境配置
- S4TF 基础使用
- TensorFlow in Julia（Ziyang）
- TensorFlow.jl 简介
- TensorFlow.jl 环境配置
- TensorFlow.jl 基础使用
- 附录
- 图模型下的TensorFlow
- 使用Docker部署TensorFlow环境
- 在云端使用TensorFlow
- 在Colab中使用TensorFlow
- 在Google Cloud Platform（GCP）中使用TensorFlow
- 在阿里云上使用 GPU 实例运行 Tensorflow（Ziyang）
- 部署自己的交互式Python开发环境JupyterLab
- 参考资料与推荐阅读
- TensorFlow性能优化
- 术语中英对照表
暂无相关搜索结果！
本文使用 EduBoo.COM 构建
