主要介绍下完成了模型训练、评估之后的部署环节。 　　前言：之前舆情情感分析那一篇文章已经讲了如何使用ernie以及paddlehub来进行模型的训练和优化以及评估环节，所以接下来会讲下如何进行部署，进行实际的运用环节。在这里，用的是上次讲的舆情情感分析的模型。 　　将Fine-tune好 ...

作为著名Python web框架之一的Flask，具有简单轻量、灵活、扩展丰富且上手难度低的特点，因此成为了机器学习和深度学习模型上线跑定时任务，提供API的首选框架。 众所周知，Flask默认不支持非阻塞IO的，当请求A还未完成时候，请求B需要等待请求A完成后才能被处理，所以效率非常低 ...

一般地，当我们在python框架（eg：pytorch，tensorflow等）中训练好模型，需要部署到C/C++环境，有以下方案： CPU方案：Libtorch、OpenCV-DNN、OpenVINO、ONNX(有个runtime可以调) GPU方案：TensorRT ...

lenet Lenet 是最早的卷积神经网络之一,并且推动了深度学习领域的发展，最初是为手写数字识别建立的网络。 LeNet分为卷积层块和全连接层块两个部分。 卷积层块里的基本单位是卷积层后接最大池化层，卷积层用来识别图像里的空间模式，如线条。 最大池化层则用来降低卷积层对位 ...

由于模型训练完之后需要上线部署，这个过程中需要将模型集成到当前的软件架构中，因此要根据软件架构考虑模型的实际部署方法。目前来看主流的部署方法有以下几种方案： 1.python服务接口 在python服务器上部署模型文件，给出一个http服务，后台通过这个服务就可以调用模型进行 ...

前言 深度学习不不仅仅是理论创新，更重要的是应用于工程实际。 关于深度学习人工智能落地，已经有有很多的解决方案，不论是电脑端、手机端还是嵌入式端，将已经训练好的神经网络权重在各个平台跑起来，应用起来才是最实在的。 (caffe2-ios:https://github.com ...

1. Keras 转 tflite def keras2tflite(keras_model, tflitefile) converter = tf.lite.TFLiteConverter ...

大部分内容参考自《Machine Learning Yearning》 Bias 和 Variance 偏差(bias)是指算法在训练集上的偏差，也就是错误率，错误越大偏差越大，欠拟合 ...