标签：tensorflow

2025-12-22andy阅读(12)评论(0)

PyTorch在研究界和产业界快速超越TensorFlow，其核心原因并非仅仅是API的友好性，而是在AI基础设施层面，它完美解决了“开发态”和“生产态”的效率冲突。PyTorch的Eager Execution（即时执行）模式提供了极高的...

2025-12-22andy阅读(17)评论(0)

TensorFlow Serving (TFS) 是Google开发的一款高性能、灵活的系统，专门用于将机器学习模型（尤其是TensorFlow模型）投入生产环境。它解决了模型版本管理、高并发请求处理和硬件加速等关键部署问题。 本文将聚焦如...

2025-12-21andy阅读(16)评论(0)

在AI基础设施领域，一个常见的问题是：NVIDIA在内部究竟更倾向于使用PyTorch还是TensorFlow？答案是，NVIDIA作为硬件和基础设施提供商，其核心目标是确保所有主流框架都能在其CUDA平台上高效运行。因此，NVIDIA的策...

2025-12-21andy阅读(20)评论(0)

2025年，许多技术人员仍在疑惑：TensorFlow (TF) 还值得学吗？随着PyTorch在学术研究和新型大模型训练领域的绝对领先，TF似乎正在退居二线。然而，对于专注于AI基础设施和模型部署的资深工程师而言，答案是肯定的——你必须理...

2025-12-21andy阅读(20)评论(0)

许多关注AI部署的技术人员都会好奇，微软在内部和其AI服务（如Azure ML、Windows ML）中更侧重于哪个深度学习框架？事实是，尽管微软是TensorFlow的早期支持者，但近年来它在PyTorch生态中的投入巨大，特别是在开源贡...

2025-12-20andy阅读(27)评论(0)

关于“TensorFlow的受欢迎程度正在下降吗？”的讨论，反映了AI社区在研究端向PyTorch转移的趋势。然而，对于AI基础设施和模型部署的工程师来说，TensorFlow生态（特别是TensorFlow Serving和TFLite）...

2025-12-20andy阅读(25)评论(0)

谷歌是否会放弃TensorFlow（TF）是一个复杂的生态问题，但对于AI基础设施工程师而言，更实际的挑战是：如何在新模型普遍倾向于使用PyTorch训练的情况下，继续高效利用已经搭建好的TensorFlow Serving（TFS）集群和...

2025-12-20andy阅读(29)评论(0)

在AI模型进入生产环境时，模型的部署和管理是至关重要的一环。直接在Web框架中加载TensorFlow模型会带来性能瓶颈、版本控制困难和缺乏监控等问题。TensorFlow Serving (TFS) 是Google专门为部署机器学习模型设...

2018-05-25andy阅读(52186)评论(1)

CentOS安装GPU版本的tensorflow serving问题总结 之前安装tensorflow serving一直都是使用的docker镜像的方式，简单快速，但是近来有一台gpu物理机 需要跑一批模型 要求越快越好 担心docker...

2018-01-22andy阅读(9003)评论(2)

java通过gRPC整合tensorflow serving(之二)——安装tfserving并部署示例模型 承接上一篇【java通过gRPC整合tensorflow serving——gRPC java入门例子】 这是本系列的第二篇，上一...