-
TensorFlow 2.3.0-rc0 发布
TensorFlow 2.3.0 的首个候选版本发布了，主要特性和改进包括：tf.data 添加了两种新机制来解决输入管道瓶颈并节省资源snapshottf.data service.详情可查看使用
-
深度学习发展的5个主力框架
深度学习需要大量的计算。它通常包含具有许多节点的神经网络，并且每个节点都有许多需要在学习过程中必须不断更新的连接。换句话说，神经网络的每一层都有成百上千个相同的人工神经元在执行相同的计算。因此，
-
GitHub上最受欢迎的28款开源的机器学习项目，TensorFlow位列其中
现在机器学习逐渐成为行业热门，经过二十几年的发展，机器学习目前也有了十分广泛的应用，如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略
-
谷歌发布基于机器学习框架TensorFlow模块 改善AI模型的隐私保护
编者按：在物联网和AI时代，数据成为重要的决策和生产工具，但是如何保护个人数据不被滥用，是许多机构和公民担心的问题。谷歌公司在基于机器学习框架TensorFlow的谷歌最新模块，让开发者只添加几
-
谷歌TensorFlow 2.2.0正式发布：道别Python 2，拥抱Python 3
TensorFlow 2.2.0 正式发布了，该版本终止了对 Python 2 的支持。现在，新的 TensorFlow Docker 镜像版本仅提供 Python 3。主要特性和改进· 将字符串张量
-
机器学习是不是好的工具
在2019世界人工智能大会期间，AI+艺术也成了其中一个关注和讨论的板块。在TensorFlow主题论坛上，两位独立开发者，AI研究员黄成之（Anna Huang）、兰州大学信息工程学院助理研究
-
谷歌开源更快、更高效的 TensorFlow 运行时 TFRT
TensorFlow 官方博客宣布开源新的运行时 TFRT，该运行时提供了统一的、可扩展的基础结构层，并在各类硬件上均具有高性能。TFRT 产品经理 Eric Johnson 表示，TFRT 将取代现
-
适用于人工智能开发的语言有哪一些
近年来，人工智能（AI）正在不断释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，推动社会生产力整体跃升。什么是AI？它将为我们带来哪些价值？我们陆续为大家分享AI科普
-
深度强化学习你知道是什么吗
强化学习非常适合实现自主决策，相比之下监督学习与无监督学习技术则无法独立完成此项工作。强化学习在人工智能领域长久以来一直扮演着小众性角色。然而，过去几年以来，强化学习正越来越多地在各类AI项目当
-
人工智能有哪些发展的方向
人工智能有哪些方向？ 随着超市刷脸支付、餐饮行业的服务机器人、智能音响等，人工智能已经全面进入了我们的生活。人工智能是一个比较前沿且学科跨度大，主要包括有以下方向。 P
-
机器学习技术如何走向现实
我们周围充斥着日益复杂的机器学习技术。可惜很少有人知道如何使用这些技术。 最近451 Research 研究机构的调查数据显示，缺乏技术人才继续阻碍着人工智能技术革命。事实上，是人而不是
-
AI助力野生动物保护行动 或将扭转物种数量持续减少的恶性趋势
世界野生动物基金会的报告显示，自20世纪70年代以来，脊椎动物的数量平均减少了60%。联合国的一项全球评估发现，有近100万物种面临灭绝的危险，其中许多物种甚至可能在未来10年内就尽数灭绝。
-
机器学习会如何让应用程序变得更加容易
新消息：谷歌发布了免费的开源软件，这将使构建量子机器学习应用程序变得更加容易。TensorFlow Quantum是谷歌广受欢迎的TensorFlow工具包的一个附加组件，该工具包自2015年推
-
量子计算能否影响人工智未来的发展
（文章来源：教育新闻网） 谷歌本周已经发布了他们的TensorFlow框架的新版本-TensorFlow Quantum(TFQ)，这是一个用于原型量子机器学习模型的开源库。 量
-
CEVA宣布，其DSP和语音神经网络集成TensorFlow Lite for Microcontrollers
用于定制语音唤醒命令的WhisPro™语音识别软件现可用开源TensorFlow Lite for Microcontrollers，在边缘设备实施机器学习
-
TensorFlow通过优化的开源SYCL库获得对PowerVR GPU的原生支持
开源的SYCL神经网络库已针对PowerVR进行了优化，通过携手Codeplay使开发人员可以更轻松地移植现有代码
-
TensorFlow™通过优化的开源SYCL™库获得对PowerVR GPU的原生支持
开源的SYCL神经网络库已针对PowerVR进行了优化，通过携手Codeplay使开发人员可以更轻松地移植现有代码
-
tensorflow学习使用路线
一、学习路线个人感觉对于任何一个深度学习库，如mxnet、tensorflow、theano、caffe等，基本上我都采用同样的一个学习流程，大体流程如下：(1)训练阶段：数据打包-》网络构建、训练-
-
【转】TensorBoard 在1.0 版本后的使用
注意：在阅读本文之前，请务必更新你的浏览器。Chrome大法好！ 数据、模型可视化是TensorFlow的一项重要的功能，安装后自带的TensorBoard是一个很强大的工具，但目前的教程大多都停留在
-
Tensorflow数据读取方法
转展多处都没有找到详细介绍Tensorflow读取文件的方法引言Tensorflow的数据读取有三种方式：Preloaded data: 预加载数据Feeding: Python产生数据，再把数据喂给
