TensorFlow Filesystem - Access Tensors Differently
通过将 tensorflow 模型挂载到文件系统中来访问该模型的奇怪（但很酷）的方法。
LLaMA in R with Keras and TensorFlow
使用 TensorFlow 和 Keras 在 R 中实现和演示大型语言模型 LLaMA。
Discovering novel algorithms with AlphaTensor
在我们今天发表在《自然》杂志上的论文中，我们介绍了 AlphaTensor，这是第一个用于发现新颖、高效且可证明正确的基本任务算法（例如矩阵乘法）的人工智能 (AI) 系统。这揭示了数学中一个 50 年前的悬而未决的问题，即找到将两个矩阵相乘的最快方法。这篇论文是 DeepMind 推动科学发展和利用人工智能解决最基本问题的使命的垫脚石。我们的系统 AlphaTensor 以 AlphaZero 为基础，AlphaZero 是一个在国际象棋、围棋和将棋等棋盘游戏中表现出超人表现的代理，这项工作首次展示了 AlphaZero 从玩游戏到解决未解数学问题的历程。
«AutoQML，自组装电路，超参数化量子 ML 平台，使用 cirq、tensorflow 和 tfq。数以万亿的可能的量子比特注册表、门组合和矩序列，随时可以适应您的 ML 流程。在这里，我展示了气候变化、詹姆斯韦伯太空望远镜和微生物学视觉应用……[到目前为止，根据我的指标混合，具有 16 个量子比特和 [ YY ] - [ XX ] - [CNOT] 门序列的电路表现最佳...]。
How To Perform Sentiment Analysis Using TensorFlow Extended (TFX)?
情绪分析提供了显着的商业利益，这就是为什么越来越多的公司正在实施它。如果您想知道如何使用 TensorFlow Extended 运行情绪分析，我们可以为您提供一些帮助。我们创建了一个免费的分步演练，介绍如何使用 TFX 和 Vertex AI 管道将 BERT 应用于情绪分析。但在此之前 […]文章 如何使用 TensorFlow Extended (TFX) 执行情绪分析？ DLabs.AI 服务的。
Build an Animal/Object Tracking Camera App with TensorFlow.js
介绍 PetCam：一款运行在旧智能手机上的非侵入式机器学习宠物追踪器。这个项目是我和 Jason Mayes 合作的，是他提出了这个想法。另外，有趣的故事，呃……我的同事 Markku Lepistö 在他自己的 YouTube 节目 Level Up 上同时构建了（几乎）完全相同的项目，您可以在此处看到。我们使用旧智能手机。他使用 Coral 开发板。选择你自己的冒险。当我年轻时，住在新泽西州的家里，我的父母非常严格地要求我晚上记得关上车库。因为如果我不关上车库，就会发生这样的事情：然后第二天早上，我们走出前门，闻到一股强烈的脏尿布味，看到垃圾袋被撕碎并倒在车道上。显然有人度过了一个疯狂的
Que haja luz: More light for torch!
今天，我们介绍 luz，它是 torch 的高级接口，可让您以简洁、声明式的风格训练神经网络。从某种意义上说，它之于 torch 就像 Keras 之于 TensorFlow：它既提供了简化的工作流程，也提供了强大的自定义方式。
Tensorflow Extended (TFX) in action: build a production ready deep learning pipeline
关于如何开始使用 Tensorflow Extended 以及如何设计和执行深度学习管道的教程
JAX vs Tensorflow vs Pytorch: Building a Variational Autoencoder (VAE)
在从头开始开发和训练变分自动编码器时，对 JAX、Tensorflow 和 Pytorch 进行并排比较
Simple audio classification with torch
本文将 Daniel Falbel 关于“简单音频分类”的文章从 TensorFlow/Keras 翻译成 torch/torchaudio。
How to use Docker containers and Docker Compose for Deep Learning applications
了解如何使用 Docker 容器化深度学习模型。从容器背后的基本概念开始，使用 Docker 打包 Tensorflow 应用程序，并使用 Docker compose 组合多个图像
How to use uWSGI and Nginx to serve a Deep Learning model
使用 Flask、uWSGI 作为 Web 服务器以及 Nginx 作为反向代理向用户提供 Tensorflow 模型。为什么我们同时需要 uWSGI 和 Flask，为什么我们需要在 uWSGI 之上使用 Nginx，以及一切是如何连接在一起的？
Deploy a Deep Learning model as a web application using Flask and Tensorflow
如何使用 Flask 将使用 Tensorflow 构建的深度学习模型公开为 API。了解如何构建 Web 应用程序以向用户提供模型，以及如何使用 HTTP 客户端向其发送请求。
Distributed Deep Learning training: Model and Data Parallelism in Tensorflow
如何使用镜像策略、参数服务器和中央存储等分布式方法在多个 GPU 或机器中训练数据。
简介我一直在寻找 AutoML 解决方案的列表以及对它们进行比较的方法，但一直没能找到。所以我想我不妨编制一份清单供其他人使用。如果您不熟悉 AutoML，请阅读这篇文章以快速了解其优缺点。我还没有能够测试所有这些并做出适当的评论，所以这只是基于功能的比较。我试图挑选出我觉得最重要的功能，但它对你来说可能不是最重要的。如果您认为缺少某些功能，或者您知道应该在列表中的 AutoML 解决方案，请告诉我。在我们进入列表之前，我会快速介绍一下这些功能以及我如何解释它们。功能部署某些解决方案可以通过一键部署直接自动部署到云端。有些只是导出到 Tensorflow，有些甚至可以导出到边缘设备。类型可以是
How to build a custom production-ready Deep Learning Training loop in Tensorflow from scratch
使用检查点和 Tensorboards 可视化在 Tensorflow 和 Python 中构建自定义训练循环
