本次要总结分享的是 推荐/CTR 领域内著名的deepfm[1] 论文，参考的代码tensorflow-DeepFM[2]，该论文方法较为简单，实现起来也比较容易，该方法在工业界十分常用。...

近日，新入一台RTX3080的服务器，目前好像还没办法很方便地在 RTX 30 系列 GPU上通过 pip/conda 安装 TensorFlow 或 PyTorch。因为这些 GPU 需要 CUDA 11.1，而当前主流的 TensorFlow/PyTorch 版本不是针对 CUDA 11.1 编译...

使用 Vega，我们能够以JSON格式描述可视化的视觉外观和交互行为，并使用 Canvas 或 SVG 生成基于 Web 的视图。

TinyML最近几年才提出，TinyML的书去年才见到，中文版今年在国内才买到。TFLite micro技术也就今年左右才成熟。之前所有的依靠动物身上传感器进行姿态识别的，有一说一，应该都是经典的特征抽取，加上随机森林之类的经典算法实...

在前面的文章【Tensorflow加载预训练模型和保存模型】中介绍了如何保存训练好的模型，已经将预训练好的模型参数加载到当前网络。这些属于常规操作，即预训练的模型与当前网络结构的命名完全一致。...

在Tensorflow框架训练完成后，部署模型时希望对模型进行压缩。一种方案是前面文字介绍的方法《【Ubuntu】Tensorflow对训练后的模型做8位（uint8）量化转换》。另一种方法是半浮点量化，今天我们主要介绍如何通过修改Tensorfl...

之前几个月参与了OpenMMlab的模型转ONNX的工作（github account: drcut），主要目标是支持OpenMMLab的一些模型从Pytorch到ONNX的转换。这几个月虽然没做出什么成果，但是踩了很多坑，在这里记录下来，希望可以帮助其他人。...

对于Tensorflow最大需求是能够在桌面系统中训练并运行模型，这种需求影响了很多设计决策，例如为了更低的延迟和更多的功能而增加可执行文件的大小。云端服务器上，RAM以GB为衡量单位，存储空间以TB为单位，几百兆字节的二进制...

使用tensorflow2.0以上版本框架用Keras或者Estimator方式保存模型有两种方式加载模型并预测。

机器/深度学习已经如火如荼，各种炫目的效果呈现不穷，笔者也复现一些如stackoverflow assistence、头像动漫化等，但大都需要强大算力，“终端（手机）+云服务器”是基本结构。去年关注到Google TFLite Micro（TFLM）及技术，可以将Ten...