内容字号:默认大号超大号

段落设置:段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

虚拟主机_数据库设计方案_9元

2021-06-09 21:04 出处:欧普曼云计算 人气: 评论(0

虚拟主机_数据库设计方案_9元

如果您使用过云机器学习(Cloud Machine Learning,高防云服务器,ML)引擎,您就知道它可以在云中大规模地训练和部署任何TensorFlow、scikit learn和XGBoost模型。但是,您知道CloudML引擎还允许您使用TensorFlow的分析机制来帮助您进一步分析和改进模型的性能吗?

是否使用底层API,如tf.图形以及工作组会议或者高级api,微信返利机器人安全吗,比如tf.估计量以及tf.数据集,有时了解模型如何在较低级别执行以优化代码以提高效率会很有用。例如,您可能对模型架构(例如,设备放置和张量形状)或特定批处理步骤的性能(例如,执行时间、内存消耗或昂贵的操作)的细节感兴趣,我们向您展示了不同的工具,这些工具可以帮助您获得云ML引擎配置信息的有用见解,以便您能够挤出模型的额外性能。

本文中给出的示例基于此codelab和此笔记本,它分析了美国出生数据集以预测新生儿的出生体重。虽然没有必要,但您可以先按照codelab来熟悉代码。你可以在这里找到这篇文章的完整代码示例和它们的先决条件tf.train.ProfilerHook公司. ProfilerHook捕获各个步骤的概要跟踪,这些步骤可以让您概括各个TensorFlow操作(即,与TensorFlow图中的节点相关联的低级API调用)、它们的依赖关系以及它们如何归属于硬件设备(cpu、gpu和tpu)。反过来,`ProfilerHook`可以帮助您识别可能的瓶颈,这样您就可以有针对性地改进您的管道,并选择正确的Cloud ML引擎集群配置。

如果您已经使用TensorBoard可视化TensorFlow图,怎么做淘客推广,并将配置文件跟踪存储在与检查点使用的目录相同的目录中,大数据应用,您将在右侧边栏底部的TensorBoard中看到另外两个名为"Memory"和"Compute Time"的选项卡。单击节点时,您还将看到有关总计算时间、内存大小和张量输出形状的信息,淘客文案,如下所述。

捕获整个训练过程中每一步的轨迹通常是不切实际的,因为该过程可能会占用大量资源,大大增加训练时间,并生成大量无法分析的信息。要减少生成的信息量,可以通过使用save_steps或save_secs属性来降低采样率,以便每N步或N秒分别只保存配置文件跟踪。下面是一个每10步捕获一次跟踪的示例:

分享给小伙伴们:
本文标签: 虚拟主机数据库设计方案

相关文章

评论

发表评论愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。

签名: 验证码: 点击我更换图片

评论列表