209 天前 / 云水木石
提到人工智能和机器学习(Marchine Learning,ML),你的脑海里是否立即会浮现计算中心、高端 GPU、成百上千的 TPU 等等。实际上,随着嵌入式设备、移动终端以及近年来物联网(Internet of Things,IoT)的发展,人工智能离我们越来越近。手机、智能音箱、电话手表,甚至控制开关,都配备有一定的人工智能。特别是物联网和智能家居的快速发展,机器学习在微型低功耗设备上应用得越来越广泛。 TensorFlow 作为人工智能领域的前驱,很早就推出了针对资源受限设备(例如 Arm Cortex-M MCU,微处理单元)的框架 TensorFlow Lite。
235 天前 / algorithmdog
1.从TF1 到 TF2, 线上内存爆炸了 最近我们团队使用的框架从 TF1 升级到了 TF 2。升级之后,线上的 Tensorflow Serving 发生了爆内存的现象。具体现象如下图所示:16G 的内存不到半个小时全部耗尽,内存耗尽之后服务挂掉,然后服务管理平台重新拉起服务;不到半个小时,16G 内存又耗尽,服务挂掉又拉起;这个过程反复进行。TensorFlow Serving 进程因 Out-of-Memory 多次重启。 之前,团队使用 TF1 tf.feature_column + tf.estimator 的组合编写训练代码,并基于 TensorFlow Serving 搭建模型推理服务。
357 天前 / 毛大虾
IntroductionFrozen graphs are commonly used for inference in TensorFlow and are stepping stones for inference for other frameworks. TensorFlow 1.x provided an interface to freeze models via tf.Session, and I previously had a blogon how to use frozen models for inference in TensorFlow 1.x. However, since TensorFlow 2.x removed tf.Session, freezing models in TensorFlow 2.x had been a problem for most of the users. In this blog post, I am going to show how to save, load, and run inference for frozen graphs in...
429 天前 / 懒人yp
场景介绍 在ARM盒子(我使用atlas500,arm64v8架构可以直接使用代码和镜像)上,接入网络摄像头,使用tensorflow lite框架,对图像进行图像分类推理,图像分类推理结果通过MQTT协议推送到web页面上进行展示。参考"在ARM盒子使用IEF和Tensorflow运行边缘AI",这次使用tensorflow lite框架,并把对象检测模型更换成图像分类模型。 运行环境 网络摄像头,支持RTSP协议,ipc格式 智能小站(atlas500), EulerOS(https://e.huawei.com/cn/material/enterprise/030106f2129145efa9c9bb472c7b0058\) tensorflow1.4.0...
431 天前 / 算法与编程之美
欢迎点击「算法与编程之美」↑关注我们! 本文首发于微信公众号:"算法与编程之美",欢迎关注,及时了解更多此系列文章。 1)创建camera对象和canvas对象 用小程序实现人物的姿态检测功能 Camera对象实时获取图像,传送给后台模型处理,处理完的结果在canvas对象内显示 1.添加camera 2.调整camera为全屏 3.在…中添加canvas对象 进入下图目录,如果内有默认填充的代码可以清理掉 创建camera对象,并添加一些属性,如后置摄像头、关闭闪光灯、相关报错、样式:全屏。 进入index.wxss页面,同样的先将无关内容删除。
436 天前 / 懒人yp
场景介绍 由于视频流占用很多网络带宽,越来越多的场景下,希望在视频流产生的地方,对图像进行处理,在节省网络带宽的同时,能够快速处理,也能避免网络延迟和抖动带来的不确定性。典型应用场景为:化工厂内部通过图像检测火情,园区内人脸匹配进行安检,建筑工地施工人员是否佩戴安全帽。 在ARM盒子(以atlas500为例,arm64v8架构可以直接使用代码和镜像)上,通过网络接入网络摄像头,使用tensorflow框架对图像进行对象检测模型推理,检测结果通过MQTT协议推送到web页面上进行展示。
474 天前 / openio
机器之心报道 作者:杜伟、一鸣 今年 3 月份,谷歌在加州举办的 TensorFlow 开发者峰会(TensorFlow Dev Summit)上正式发布了 Tensorflow 2.0 Alpha 版。今天,谷歌推出 TensorFlow 2.0 正式版,真乃开发者社区的一大盛事。 TensorFlow 2.0 安装指南:https://www.tensorflow.org/install TensorFlow 2.0 的发布得益于开发者社区的推动,他们想要拥有一个灵活且强大的易用平台,并且希望 TensorFlow 支持部署到任何平台。
479 天前 / 读芯术
全文共3412字,预计学习时长7分钟 在对TensorFlow、PyTorch和Keras做功能对比之前,先来了解一些它们各自的非竞争性柔性特点吧。 非竞争性特点 下文介绍了TensorFlow、PyTorch和Keras的几个不同之处,便于读者对这三个框架有初步了解。列出这些区别的重点不在于对三者做比较,而在于做一个初步介绍。 TensorFlow · 开发者:Google · 2017年1月发布1.0版本 PyTorch · 开发者:Facebook ·2018年10月发布1.0版本 ·基于Torch开发(Torch是基于Lua开发的另一个深度学习框架) K...
482 天前 / iOS沪上代码小子
文 /李锡涵,Google Developers Expert 本文节选自《简单粗暴 TensorFlow 2.0》 TensorFlow 2.0 beta1 已经发布。本文详细介绍在个人电脑或服务器上安装 TensorFlow 2.0 beta1 的步骤和各种细节,让你第一次安装 TensorFlow 2.0 就上手! 一般安装步骤 TensorFlow 的 Python 版本使用最为广泛。作为一个 Python 包,TensorFlow 和其他 Python 包的安装方法区别不大,使用 Python 的包管理器 pip 即可。具体步骤如下: 1. 安装 Python 环境。此处建议安装 Anaconda 。
489 天前 / 蚂蚁金服分布式架构SOFAStack
9 月 11 日,蚂蚁金服在2019谷歌开发者大会上海站上开源了 ElasticDL 项目,这是业界首个基于 TensorFlow 实现弹性深度学习的开源系统。 开源地址为:elasticdl.org 开源中国采访了 ElasticDL 项目负责人王益,对该深度学习系统的技术细节进行了全面介绍。 1基于 TensorFlow 2.0 和Kubernetes实现弹性深度学习这个基于 Eager Execution 模式的开源项目名为“ElasticDL”,它是一个Kubernetes 原生深度学习框架,根据介绍,ElasticDL 主要有四大特点: 容错性弹性调度易用性高效其中又以容错与弹性调度特性最具特色。
548 天前 / 云水木石
之前开发过一款人工智能的微信小程序,其功能是拍一张狗狗的照片,识别出狗狗的类别。程序虽小,功能虽然单一,但五脏俱全,涉及到机器学习的各个方面,以及微信小程序的开发,非常适合作为机器学习的上手项目。这个项目是一边学习,一边写出来的,在这个过程中,进一步掌握了机器学习的知识,具体情况请参考我之前写的文章: 当微信小程序遇上TensorFlow:Server端实现 当微信小程序遇上TensorFlow:Server端实现补充 当微信小程序遇上TensorFlow:小程序实现 当微信小程序遇上TensorFlow:接收base64编码图像数据 当微信小程序遇上TensorFlow:终章...
553 天前 / 云水木石
前一段时间为了在微信小程序中使用tensorflow.js,对tfjs-core代码做了一些修改,具体情况请参考我之前写的几篇文档: 重磅好消息!TensorFlow开始支持微信小程序 当微信小程序遇上TensorFlow - tensorflow.js篇 当微信小程序遇上TensorFlow - 本地缓存模型 后来,我厚着脸皮向tensorflow/tfjs-core项目提交了一个PR,不出意外,这个提交被拒了。当然谷歌的开发人员还是比较友好,给了我一个文档链接: https://mp.weixin.qq.com/wxopen/plugindevdocappid=wx6afed118d9e81df9 原来google有一份这样的开发指导文档,而且还是中文的...
576 天前 / 云水木石
从明天开始,我开始休年假,准备去云南逛一逛,估计这段时间又无法更新公众号,还请大家谅解。 在《当微信小程序遇上TensorFlow - tensorflow.js篇》一文中,我介绍了在微信小程序中使用TensorFlow.js,有朋友可能注意到,小程序每次都需要从网络加载模型。虽然tensorflow.js官方声称利用了浏览器的缓存技术,并不会每次都从网络下载。但在微信小程序中,使用的是wx.request接口下载文件,测试下来发现,似乎没有缓存机制。虽然小程序号称即用即走,但每次都需要从网络下载模型,完全体现不出端推断的优点,况且深度学习模型通常也不小,通常有好几M。
579 天前 / 星弟一直在
1、MobileNet GoogleMobileNets:用于移动视觉应用的高效卷积神经网络的张量流实现 在tensorflow / model中可以正式实施。 对象检测的正式实现现已发布,请参阅tensorflow / model / object_detection。 新闻 YellowFin优化器已经集成,但是我没有gpu资源在imagenet上训练。呼叫培训_ 官方实施点击这里 基本模块 ImageNet-2012验证集的准确性 模型宽度乘数预处理精度-TOP1精度-TOP5 MobileNet1.0与初始相同66.51%87.09% 下载预训体重:OneDrive,百度云 失利 时间基准 环境:Ubuntu 16.04 LTS,Xeon E3-1231 v3,4核3.40GHz,GTX1060。