-1
-
Tensorflow并行:多核(multicore),多线程(multi-thread)
rockingdingo 2019-10-01 #tensorflow #并行 #多核 #多线程 #parallelism #multicore利用tensorflow训练深度神经网络模型需要消耗很长时间,因为并行化计算就为提升运行速度提供了重要思路。Tensorflow提供了多种方法来使程序的并行运行,在使用这些方法时需要考虑的问题有:选取的计算设备是CPU还是GPU,每个CPU多少核的资源并行计算,构建图Graph时消耗资源如何分配等等问题。下面我们以Linux多核CPU的环境为例介绍几种常见方法来提升你的tensorflow程序的运行速度。
READ MORE -
Tensorflow C++ API调用预训练模型和生产环境编译
rockingdingo 2018-11-01 #tensorflow #cpp #c++ #build #nlp #deep learning研究如何打通tensorflow线下python脚本训练建模,线上生产环境用C++代码直接调用预先训练好的模型完成预测的工作,而不需要用自己写的Inference的函数。因为目前tensorflow提供的C++的API比较少,所以参考了几篇已有的日志,踩了不少坑一并记录下来。写了一个简单的ANN模型对Iris数据集分类的Demo。
READ MORE