TensorFlow_TensorFlow框架_TensorFlow实战-InfoQ

始于 TensorFlow ，终于 PyTorch

作者 : Scott Carey 译者: Sambodhi 策划: 刘燕

2020 年 12 月 18 日

为什么这三家公司最终都不约而同地放弃 TensorFlow ，而转向了 PyTorch？

TypeScript 超越 C++ 成第四大语言！无惧中国开源托管平台竞争：GitHub 发布 2020 年开发者报告

作者 : Tina 褚杏娟周文猛

2020 年 12 月 4 日

GitHub 于周四发布了年度开发者报告，其中一些对全球开发人员和开源社区的见解特别有趣。

TensorFlow 五周年，官方发布“庆祝指南”

作者 : Josh Gordon 译者: 冬雨策划: 陈思

2020 年 11 月 30 日

在 TensorFlow 五周年之际，谷歌官网发布了一篇文章来为它庆生。

使用 SIMD 和多线程增强 TensorFlow.js WebAssembly 后端

作者 : Ann Yuan Marathon Dukhan 译者: Sambodhi 策划: 赵钰莹

2020 年 11 月 25 日

从 TensorFlow.js 2.3.0 版本开始，通过 XNNPACK 利用 SIMD 指令和多线程， Wasm 后端速度提高了 10 倍。

TensorFlow 2.4 Mac 优化版：性能大幅提升，可在最新的 M1 芯片上运行

作者 : Pankaj Kanwar Fred Alcober 译者: Sambodhi 策划: 赵钰莹

2020 年 11 月 25 日

TensorFlow 用户可以在搭载苹果新芯片 M1 的 Mac 上使用 TensorFlow 2.4 Mac 优化版和新的 ML Compute（机器学习计算）框架进行加速训练。

代码不止 | 2020 Google 开发者大会亮点回顾

作者 : InfoQ编辑部

2020 年 11 月 24 日

2020 谷歌开发者大会圆满结束！11 月 16 至 21 日，连续 6 天的线上科技盛会，晒出了众多让人眼前一亮的技术干货。

三千字轻松入门 TensorFlow 2

计算机与AI

2020 年 11 月 11 日

通过使用深度学习实现分类问题的动手演练，如何绘制问题以及如何改善其结果，来了解 TensorFlow 的最新版本。

TensorFlow 篇 | TensorFlow 数据输入的最佳实践

Alex

2020 年 11 月 2 日

「导语」在训练 TensorFlow 模型时，为了达到最佳的训练性能，需要一个高效的数据输入流程，该流程可以在当前训练步骤完成之前为下一步训练准备好数据。 tf.data API 可以帮助我们构建这个灵活且高效的输入流程，可以很轻松地对输入数据进行各种并行化处理。

如何优化 TensorFlow Lite 运行时内存？

作者 : Juhyun Lee Yury Pisarchyk 译者: Sambodhi 策划: 赵钰莹

2020 年 10 月 17 日

由于资源紧张，在移动和嵌入式设备上运行推理很有挑战性。

跨越重重“障碍”，我从 PyTorch 转换为了 TensorFlow Lite

作者 : Ran Rubin 译者: 刘志勇策划: 刘燕

2020 年 10 月 16 日

我最近不得不将深度学习模型从 PyTorch 转换为 TensorFlow Lite。这是一个漫长而复杂的“旅程”，需要跨越很多障碍才能成功。

NVIDIA 开源 NeMo：基于 PyTorch，允许快速创建会话式人工智能模型

作者 : Oleksii Kuchaiev 译者: Sambodhi 策划: 赵钰莹

2020 年 10 月 13 日

允许开发者快速构建、训练和微调会话式人工智能模型。

TensorFlow 篇 | TensorFlow 2.x 基于 Keras 的模型保存及重建

Alex

2020 年 10 月 12 日

「导语」模型训练完成后一项十分重要的步骤是对模型信息进行持久化保存，以用于后续的再训练以及线上 Serving。保存后的模型文件除了个人使用外，还可以将其分享到 TensorFlow Hub ，从而让他人可以很方便地在该预训练模型的基础上进行再次开发与训练。

TensorFlow 篇 | TensorFlow 2.x 基于 HParams 的超参数调优

Alex

2020 年 9 月 28 日

「导语」当我们创建了 Keras 模型并开始进行训练时，一般都会指定一些超参数的值来对训练的过程进行调控，这些超参数的取值会对模型训练的结果产生很大的影响，因此在机器学习工作流程中一项十分重要的步骤就是要确定模型超参数的最佳取值，亦即超参数调优。

TensorFlow 篇 | TensorFlow 2.x 基于 Keras 模型的本地训练与评估

Alex

2020 年 9 月 25 日

「导语」模型的训练与评估是整个机器学习任务流程的核心环节。只有掌握了正确的训练与评估方法，并灵活使用，才能使我们更加快速地进行实验分析与验证，从而对模型有更加深刻的理解。

TensorFlow 篇 | TensorFlow 2.x 基于 Keras 的模型构建

Alex

2020 年 9 月 24 日

「导语」TensorFlow 2.0 版发布以来，Keras 已经被深度集成于 TensorFlow 框架中，Keras API 也成为了构建深度网络模型的第一选择。使用 Keras 进行模型开发与迭代是每一个数据开发人员都需要掌握的一项基本技能，让我们一起走进 Keras 的世界一探究竟。

面向隐私 AI 的 TensorFlow 深度定制化实践

作者 : Rosetta技术团队策划: 蔡芳芳

2020 年 9 月 21 日

结合 Rosetta 介绍如何定制化改造 TensorFlow 前后端相关组件，以集成 MPC 等隐私计算技术

编写复杂 TensorFlow 表达式的好工具：TF-Coder

作者 : Kensen Shi 译者: Sambodhi 策划: 赵钰莹

2020 年 8 月 28 日

TF-coder 是一款程序合成工具，可以帮助你编写 TensorFlow 代码。

谷歌称 TensorFlow 的 OpenCL 可以将推理性能提高一倍

作者 : Kyle Wiggers 译者: 刘志勇策划: 刘燕

2020 年 8 月 21 日

Google 日前发布了一款基于 OpenCL 的移动 GPU 推理引擎，用于 Android 上的 TensorFlow 框架。

分布式系统架构设计：以第一性原理思维模型解读 TensorFlow 2.0 的架构设计

作者 : 常平

2020 年 8 月 18 日

本文解读 tensorFlow 2.0 的架构设计。

谷歌宣布 TensorFlow Object Detection API 支持 TensorFlow 2

作者 : Anthony Alford 译者: 无名

2020 年 7 月 29 日

此版本包含与 eager 模式兼容的二进制文件、两个新的网络架构和针对所有受支持模型的预训练权重。

亚马逊首席科学家李沐：构建深度学习开源生态的努力和思考

作者 : AWS 策划: 李冬梅

2020 年 7 月 10 日

在 AWS G4 实例上，一百万次的 BERT 推理开销可降到 1.5 元钱以内。

隔离宅在家，我自己做了个社交距离检测器

作者 : Basile Roth 译者: 刘志勇策划: 刘燕

2020 年 7 月 4 日

本文详细介绍了如何使用 TensorFlow 对象检测模型、Python 和 OpenCV 打造社交距离检测器，这是一个将深度学习与计算机视觉相结合的隔离项目。

轻松调用 TensorFlow、PyTorch 等多框架，Uber 开源深度学习推理引擎 Neuropod

作者 : Vivek Panyam 译者: Sambodhi 策划: 蔡芳芳

2020 年 6 月 12 日

要在整个机器学习栈中添加对一个新的深度学习框架的支持，既费资源，又费时间。

Uber 开源 Neuropod：可统一 AI 框架并将模型转化为产品

作者 : 陈思

2020 年 6 月 9 日

深度学习开发将更加灵活。

Swift 与谷歌的可微编程项目

作者 : Joaquín Alori 译者: 平川

2020 年 5 月 16 日

两年前，谷歌的一个小型团队开始致力于使 Swift 成为第一种具有一流语言集成可微编程能力的主流语言。

TensorFlow On Flink 原理解析

Apache Flink

2020 年 5 月 12 日

简介：本文将分享如何使用一套引擎搞定机器学习全流程的解决方案。先介绍一下典型的机器学习工作流程。如图所示，整个流程包含特征工程、模型训练、离线或者是在线预测等环节。

Google 开源新 TensorFlow 运行时 TFRT，将取代现有运行时

作者 : 刘燕核子可乐

2020 年 4 月 30 日

最终，TFRT 将成为 TensorFlow 的默认运行时。

2020 年软件工程现状：Python 或将成为第一大编程语言，中国开源涨势最猛

作者 : QuanticDev 译者: Sambodhi

2020 年 4 月 8 日

现在，是时候谈一谈 2020 年及以后的软件工程状况了。

InfoQ 2020 年 JavaScript 和 Web 开发趋势报告

作者 : Dylan Schiemann Bruno Couriol 译者: 张卫滨

2020 年 4 月 7 日

Web 开发始终是令人感兴趣的领域，几乎每天都会有新的 JavaScript 启动。

谷歌 TensorFlow 团队和 MediaPipe 联合推出两款软件包，可对面部和手部特征进行跟踪

作者 : Andrey Vakunov Ann Yuan 译者: 平川策划: 李冬梅

2020 年 3 月 31 日

Facemesh 和 Handpose 软件包的推出提高了模型的跟踪速度。

创作场景

TensorFlow

推荐作者

大厂实战PPT下载

推荐频道