Tony 发布的文章

分布式tensorflow搭建实践


工业中面临的常常是庞大的数据计算量,采用单一的tensorflow不能完全解决问题,需要结合hadoop,kafka,GPU,C++ 来进行加速和搭建系统。官方的whl安装包不能满足系统要求,通过源码编译安装来加快运行速度。

在此前请先搭建hadoop环境,安装bazel,我的环境 Ubuntu18.04,python3,hadoop2.7

一. 编译本地tensorflow安装包

1.clone tensorflow源代码到本地

2.进入 tensorflow目录下目录下 执行 ./configure


基于docker+Keepalived+Haproxy+Mycat的高可用服务架构设计


  在企业的实际开发部署环境中,docker作为一种虚拟化工具,不仅提供了快速测试,部署的环境,还可用于分布式开发,因此被广泛采用。这里验证了一种最小化高可用分布式解决方案以应对实际部署中的问题,最小化服务器宕机带来的危害。      

  设备:4台Centos7服务器,设计如下:


Tensorflow学习之可视化


tensorflow可以通过tensorboard来可视化结果,自带的可视化界面是其它框架没有的。 安装好tensorflow后指定日志文件夹,输入

tensorboard --logdir=C:/Users/Administrator/Desktop/test/log


Tensorflow学习之RNN


循环神经网络(RNN)主要用于处理和预测序列数据,广泛应用于处理语音和文本,经典的包括LSTM结构。 下面看一个简单的RNN结构: