1284 条“GPU芯片功能测试-8” 相关内容
- TensorFlow表现 | PerformanceBenchmarks（基准）
Benchmarks（基准）
- TensorFlow表现 | PerformanceHigh-Performance Models（高性能的模型）
High-Performance Models（高性能的模型）
不同之处在于StagingArea不能保证FIFO排序，但提供更简单的功能，并且可以在CPU和GPU上与其他阶段并行执行。将输入管道分成3个并行独立运行的阶段，可扩展并充分利用大型多核环境。
- TensorFlow表现 | PerformancePerformance Guide（性能指南）
Performance Guide（性能指南）
- TensorFlow表现 | PerformanceUsing JIT Compilation（使用JIT编译）
Using JIT Compilation（使用JIT编译）
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
[iuzixjacq8.png] 从磁盘读取图像并扭曲它们可以使用不重要的处理时间。为了防止这些操作放慢训练速度，我们在连续填充TensorFlow队列的16个独立线程中运行它们。
- TensorFlow扩展 | ExtendAdding a New Op（添加一个新Op）
Adding a New Op（添加一个新Op）
测试操作。为了方便起见，我们通常在Python中执行此操作，但您也可以在C++中测试操作。如果您定义了渐变，您可以使用Python渐变检查器来验证它们。
- TensorFlow指南 | GuideFrequently Asked Questions（问的频率最高的问题）
Frequently Asked Questions（问的频率最高的问题）
功能和兼容性 我可以在多台电脑上运行分布式操作吗？ 是!TensorFlow在0.8版本中获得了对分布式计算的支持。TensorFlow现在支持一台或多台计算机中的多个设备（CPU和GPU）。
- TensorFlow表现 | PerformanceDeveloping a new backend for XLA（为XLA开发一个新的后端）
Developing a new backend for XLA（为XLA开发一个新的后端）
Google测试XLAforx64和ARM64体系结构。 如果硬件供应商为其硬件提供LLVM后端，则将后端与使用XLA构建的LLVM进行链接很简单。
- TensorFlow扩展 | ExtendTensorFlow Architecture（TensorFlow架构）
TensorFlow Architecture（TensorFlow架构）
随着功能变得更加成熟，我们通常将它们移植到C++，以便用户可以从所有客户端语言访问优化的实现。大多数培训库仍然是Python，但C++确实支持高效推理。
- TensorFlow表现 | PerformanceHow to Quantize Neural Networks with TensorFlow（如何量化神经网络的张力?）
How to Quantize Neural Networks with TensorFlow（如何量化神经网络的张力?）
使用浮点算法是保持准确性的最简单方法，并且GPU可以加速这些计算，所以很自然的是没有太多关注其他数字格式。 现在，我们实际上有很多模型被部署在商业应用程序中。
- TensorFlow表现 | PerformanceXLA Overview（XLA概述）
XLA Overview（XLA概述）
该团队欢迎来自社区的关于通过GitHub缺失功能和社区贡献的反馈。 我们为什么要构建XLA？ XLA与TensorFlow合作有几个目标： 提高执行速度。
- TensorFlow指南 | GuideEstimators（估计量）
Estimators（估计量）
此外，您可以在CPU，GPU或TPU上运行基于估算器的模型，而无需重新编码模型。估算器简化了模型开发人员之间的共享实现。您可以使用高级直观代码开发最先进的模型。
- ReactNative创建 | ContributingTesting your Changes
Testing your Changes
这些测试与Travis和Circle持续集成系统一起运行，该系统将自动注释带请求的测试结果。 无论您何时修复错误或向ReactNative添加新功能，都应该添加一个覆盖它的测试。
- JavaScriptTypedArraytypedArray.some
typedArray.some
typedArray.some 该some()方法测试类型数组中的某个元素是否通过了由提供的函数实现的测试。这个方法和Array.prototype.some()类似。
- webpack插件 | PluginsUglifyjsWebpackPlugin
UglifyjsWebpackPlugin
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号