个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
24
4
TensorFlow 有一个单独的项目用于其生产用途，如前所述 here ，称为 TensorFlow Serving。
我应该如何在生产环境中使用 CNTK，我应该如何处理它的部署？希望可以将经过训练的模型部署到服务器/集群中，该服务器/集群使用 RPC 或 HTTP REST API 为模型提供服务。
如果不存在这样的工具，开发它的第一步应该是什么以及我自己推出一个好的架构？
最佳答案
我们确实支持在生产环境中提供 CNTK 模型。您可以找到有关模型评估/推理的信息:https://github.com/Microsoft/CNTK/wiki/CNTK-Evaluation-Overview .对于部署，您需要部署指定的 dll here .在 Azure 中部署 CNTK 的教程可用 here .
关于用于实时预测的 CNTK 部署，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/42296170/
24
4
0
我有一个关于阅读器的 randomizationWindow 参数的快速问题。它在文档中说它控制内存中的数据量——但我有点不清楚它会对数据的随机性产生什么影响。如果训练数据文件以一种数据分布开始，并以
我有一个在 CNTK 中创建和训练的神经网络。我可以在 Python 中使用 model.save_model("mymodel.dnn") 保存它。这会生成一个以 protobuf 格式序列化的文件
我在带有 2 个 K80 GPU 的 Azure VM 上运行 CNTK。 我是否需要在我的 Python (Jupyter Notebook) 代码中执行任何特殊操作才能利用多个 GPU，或者 CN
如何访问 DNN 的学习权重，保存如下: lstm_network_output.save(model_path) 最佳答案 可以通过调用“lstm_network_output.parameters
我正在浏览CNTK 204: Sequence to Sequence Networks with Text Data教程。使用了函数 cntk.blocks.Stabilizer()，但目前没有该函
给定配置 momentumPerMB=0.9，我在第一个 epoch 中观察到 momentumAsTimeConstant 的值。其余时期具有预期的此值。这似乎只发生在并行训练中(1bit 和 BM
如何验证 CNTK 是否正在使用 GPU？我已经在我的机器上安装了 CNTK-2-0-beta7-0-Windows-64bit-GPU-1bit-SGD 二进制文件。但是，当我尝试从 Python
我想知道CNTK死了吗？ GitHub 上发布日期为 2019 年 3 月 31 日的发行说明:“今天的 2.7 版本将是 CNTK 的最后一个主要版本。”我花了几个月的时间使用 CNTK 开发软件，
在 CNTK 中创建带有卷积层的模型时，我收到以下警告: WARNING: Detected asymmetric padding issue with even kernel size and lo
我正在编写本教程: https://github.com/Microsoft/CNTK/blob/master/Tutorials/CNTK_201B_CIFAR-10_ImageHandsOn.ip
我是 CNTK 的新手。按照教程，我使用 BrainScript 创建了第一个示例，逻辑回归。运行脚本很顺利。但是我找不到 output.txt 文件，它应该是 BrainScript 配置中的输出命
我们正在使用适用于 CNTK 的 C# API 构建 LSTM 网络，但发现根据 CNTK 文档的当前级别很难确定输入的正确形状/尺寸。 我们有一个时间序列，每个时间 t 都有一个值(一个数字)，我们
当我尝试使用 pip 安装 CNTK 时，出现以下错误 - Could not find a version that satisfies the requirement cntk (from ver
我使用 CNTK 构建了一个图像分类器。图像是灰度的。因此，我输入的 channel 数为 1。因此，模型需要 (1x64x64) 数据(64 是图像高度和宽度)。 问题是，当我尝试预测新图像的类别时
TensorFlow 有一个单独的项目用于其生产用途，如前所述 here ，称为 TensorFlow Serving。 我应该如何在生产环境中使用 CNTK，我应该如何处理它的部署？希望可以将经过训
似乎无法将预训练的嵌入加载到图层中。请参阅here 我所做的解决方法如下: model = create_model() E = [p for p in model.parameter
在 CNTK 中，它有 relu、hardmax、softmax、sigmoid 和所有这些好东西，但我正在构建一个基于回归的算法，最后一层需要预测 2 个或更多回归输出。所以我需要 n 个节点，并且
我当前的目标是从已训练的模型中克隆单个层。 第一个问题是 clone() 方法从提供的节点克隆整个图，这不是我想要的。 因此，我尝试通过从节点检索其权重来手动克隆它(在本例中为密集层)，如下所示: n
我正尝试在 CNTK 中创建一个简单的卷积模型，如下所示 def create_model(hidden_dim, output_dim): nn=C.layers.Sequential([
将包含标签作为索引的向量(只是常规向量，而不是稀疏表示)转换为单热表示的 CNTK 方法是什么？这是 5 个类的示例: 输入 [2, 0, 1, 1] 期望的输出: [[0,0,1,0,0], [1,
我是一名优秀的程序员,十分优秀！