【深度学习笔记】（二）Hello, Tensorflow!
【深度学习笔记】（二）Hello, Tensorflow!
一、安装
官方安装的方式很多种，本文采用Docker方式。Docker的深入使用文案很长很多，但我们都不需要，我们的主要目的还是Tensorflow，所以只需要基本的使用即可。
生产中的 Serverless 机器学习流水线
本文定义了生产环境中对机器学习流水线的要求，提供了基于阿里云函数工作流 (FnF)，函数计算 (FC) 结合容器服务 K8s 实现 Serverless ML Pipeline 的解决方案。通过分析得出结论：该方案可以提高研发效率，优化运维和经济成本，帮助 ML 更快产生商业价值。
数据科学老司机在线开车系列: 如何自己训练一个热狗识别模型
前情提要
美剧《硅谷》大家想必都没怎么看过，大家可能都不知道人工智能识别热狗曾是硅谷最赚钱的技术之一。去年 HBO 发布了官方的 Not Hotdog 应用，支持 iOS 和 Android 平台，据说是用 TensorFlow、Keras 和 React Native 打造的，但是源码没有公开。
开发函数计算的正确姿势——tensorflow serving
前言
首先介绍下在本文出现的几个比较重要的概念：
函数计算（Function Compute）: 函数计算是一个事件驱动的服务，通过函数计算，用户无需管理服务器等运行情况，只需编写代码并上传。函数计算准备计算资源，并以弹性伸缩的方式运行用户代码，而用户只需根据实际代码运行所消耗的资源进行付费。
tensorflow serving api
背景介绍
tensorflow serving 在客户端和服务端之间的通信采用的是RPC/REST协议。在TFS提供的REST协议接口存在一定的局限性，REST和RPC对比如下：
1、REST在实际应用中不能支持运行过程动态模型发布。
