tensorflow占用顯卡內(nèi)存大小如何計算？在不使用tensorflow的時候，有沒有辦法取消每個任務(wù)電腦資源顯存的大小可以使用TensorFlow,你要很清楚TensorFlow:不使用圖(gra

tensorflow占用顯卡內(nèi)存大小如何計算？

在不使用tensorflow的時候，有沒有辦法取消每個任務(wù)電腦資源顯存的大小可以使用TensorFlow,你要很清楚TensorFlow:不使用圖(graph)來表示計算任務(wù).在被稱之為會話(Session)的上下文(context)中不能執(zhí)行圖.不使用tensor來表示數(shù)據(jù).變量(Variable)魔獸維護狀態(tài).在用feed和fetch這個可以為橫豎斜的操作(arbitraryoperation)賦值或者從其中獲取數(shù)據(jù).

tensorflow如何給函數(shù)運算命名？

tensorflow中使用函數(shù)實現(xiàn)程序功能的英文翻譯對函數(shù)運算結(jié)果并且命名。

TensorFlow、Pytorch、OneFlow，MXNet、MindSpore這些框架誰最好用？

TensorFlow、Pytorch、MXNet這些框架誰最好用？OneFlow,MindSpore不應(yīng)該乾坤二卦進來.

公司廣泛的框架有tensorflow和pytorch。下面描述下企業(yè)對框架的使用現(xiàn)狀。

tensorflow。tensorflow版本之間變化有點大，1.15的很多api，在2.0后棄我用，對運行環(huán)境更新版本有一定會的影響。沒法是舊的項目沿用舊版本，新項目用新版本相對于tensorflow的使用呢，有些人再用原生的tensorflowapi，有些人比較喜歡用封裝后的keras，底層的計算執(zhí)行庫應(yīng)該由tensorflow需要提供。

pytorch。有些人相對于tensorflow版本動蕩的不滿，慢慢的轉(zhuǎn)投了pytorch的懷抱。pytorch的api相對于很穩(wěn)定，不過需要提供的多機多卡分布式訓練的api也較為簡單易用。

個人感覺這兩個框架都挺確實不錯，相對于咋選擇的話看個人對框架的用途，熟得不能再熟程度，與個人偏好吧。假如并不是在用框架，兩者區(qū)別也不是很小。如果沒有是想研究框架本身與機器學習深度學習底層算出算法包括對算法并且優(yōu)化系統(tǒng)，pytorch另外再后來者近年來對gpu運行不能加速上不時的努力往前行，更受國內(nèi)外研究人員的青睞。

最后，算法崗其實不只是是去研究算法，還要牽涉到算法落地之前完整流程，包括數(shù)據(jù)預(yù)處理，算法設(shè)計與實現(xiàn)，訓練模型，需要保存模型，重新部署serving服務(wù)等流程，有求全部一套產(chǎn)業(yè)鏈，來只要算法相關(guān)服務(wù)正常運行。從這個角度來講，個人更比較雜api穩(wěn)定啊的pytorch。版本之間如果不是變化太大，不利于系統(tǒng)環(huán)境升級包括強盜團的代碼維護。

以上僅為個人拙見，祝你好運吧，信息有誤之處多多多包涵。