与「TensorFlow」相关的搜索结果
TensorFlow 贴吧
一个关键词就是一个贴吧，路径全站唯一。
用户
未找到
包含 TensorFlow 的内容
冷知识：
Jeff dean 大神加入Google 已经是 32 岁“高龄”，离某地工程师35 岁斩杀线只剩3 年时间。
但他后 20 年做的事：MapReduce、Bigtable、Spanner、TensorFlow等，几乎定义了现代互联网的底层。
X 上很多推友如果 30 岁还没进大厂也不用着急。
显示更多
谷歌最近出啥问题了？接连损失大将。刚刚杰夫.迪恩宣布从谷歌离职创立Discovery Loop。这位非常不简单，杰夫.迪恩是计算机科学与人工智能领域的传奇人物，被誉为“谷歌的系统架构总设计师”和硅谷“程序员中的程序员”。
1、杰夫离职前担任谷歌首席科学家兼任 Google DeepMind 和 Google Research 的核心技术领袖。是Google Senior Fellow/Level 11，在谷歌数十万员工中，能达到 Level 11 的极度罕见，几乎代表了整个谷歌技术体系的终极权威。
2、Jeff Dean在谷歌工作27年，其职业生涯贯穿了互联网海量数据处理时代与现代人工智能时代，其核心成就可分为三大阶段：
1）奠定现代互联网基础的基础设施（2000年代）
在谷歌成立早期，他主导开发了一系列支撑起整个 Google 生态（乃至全行业大数据架构）的基础系统：
MapReduce：划时代的分布式计算框架。它将庞大的数据处理任务拆分到数万台普通服务器上并行运行，是后来的 Hadoop 等大数据技术的直接灵感来源。
Bigtable：高扩展性、高性能的分布式结构化数据存储系统，直接催生了后来的 NoSQL 数据库浪潮（如 HBase）。
Spanner：全球级分布式 SQL 数据库，打破了传统数据库“一致性”与“可用性”难以兼得的困境。
搜索与广告系统架构：主导设计了谷歌早期的五代搜索索引与抓取系统，以及 AdSense 广告投放系统的早期基础设施。
2）推动 AI 革命与深度学习生态（2010年代）
创建 Google Brain（谷歌大脑）：2011 年与吴恩达（Andrew Ng）等人共同创办 Google Brain，将深度学习引入谷歌的核心业务。
TensorFlow：主导打造并开源了全球最著名的深度学习框架之一 TensorFlow，极大地降低了全球研究者和开发者使用 AI 的门槛。
DistBelief & Pathways：先后设计了 DistBelief（早期大规模分布式神经网络训练系统） 和 Pathways 架构（为后续训练 PaLM、Gemini 等超大规模多模态大模型奠定了系统支撑）。
3）整合与领军时代（2020年代）
统领 Google AI 与 DeepMind 融合，杰夫曾长期担任 Google AI（Google Research）负责人。2023 年 Google Brain 与 DeepMind 合并为 Google DeepMind 后，他作为首席科学家，重点统筹下一代超大模型（如 Gemini 系列）的系统架构与前沿 AI 研发。
前段时间谷歌还有两位大拿离开：
1）Google DeepMind 副总裁 John Jumper跳槽至 Anthropic，这位因带领团队打造预测蛋白质结构的革命性 AI 模型 AlphaFold，与 Demis Hassabis 共同获得 2024 年诺贝尔化学奖。
2）谷歌工程副总裁兼旗舰模型 Gemini 联合负责人Noam Shazeer跳槽至 OpenAI。
Noam Shazeer 是Transformer 架构奠基人之一：2017 年奠定现代大模型基础的划时代论文《Attention Is All You Need》的共同作者。
前线厮杀正浓，统兵大将接连离开，对谷歌影响应该不小。
显示更多
卧槽！微软偷偷把价值上万的AI完整课程免费扔GitHub了，几乎没人发现！
12周24节课，像打游戏一样一关关通关。从AI是什么开始，到自己手写感知机和神经网络，再到CNN、目标检测、GAN生成图片、Transformer、大模型提示工程，最后还讲负责任AI。
最猛的是每节课都是能直接跑的Jupyter Notebook，PyTorch和TensorFlow双版本都有。打开就能敲代码，敲完立刻看结果，不是那种只会讲概念的水课。
我昨晚直接肝到凌晨三点，脑子里全是卷积核在跳舞。这种级别的课，以前要么贵到离谱，要么水到想退款。现在微软直接白送。
还在纠结AI从哪学起？别再浪费时间搜了。先把这个仓库Star下来慢慢啃：
再回来谢我，真的不亏。
显示更多
AI & ML Full Course 2026! #BigData# #Analytics# #AI# #MachineLearning# #DataScience# #IoT# #IIoT# #Python# #RStats# #TensorFlow# #JavaScript# #ReactJS# #CloudComputing# #Serverless# #DataScientist# #Linux# #Programming# #Coding# #100DaysofCode#
显示更多
阿里平头哥把真武AI芯片的整套软件栈开源了。
开发者可以直接获取底层驱动，编译器，算子库和调试工具，不用只靠芯片厂商内部适配。
这套软件栈叫T-Head SAIL，已经适配PyTorch，TensorFlow，vLLM和SGLang等260多个训练与推理框架。平头哥称，主流推理框架的平均适配时间可以压到7天以内。
公司同时披露，真武AI芯片截至今年4月累计出货超过56万片，覆盖400多家客户。
显示更多
20 个 AI GitHub 仓库正把软件工程师的开发边界从“写代码”推向“编排智能体”。如果你还在纠结如何实现本地化执行，这几个库能让你直接跳过环境搭建的坑：
1. OpenClaw：实现本地 Agent 的关键，能直接在你的设备上执行计划并操作文件。
2. TensorFlow：生产级机器学习框架，处理大规模模型训练的底座。
3. 重点看这几个库的集成能力，它们能把原本需要云端 API 才能完成的逻辑，压缩到本地运行。
显示更多
KerasHub lets you use any Hugging Face checkpoint for all top models like Llama, Gemma, Mistral, etc...
Run your workflows in JAX, PyTorch, TensorFlow - inference, LoRA fine-tuning, large-scale training from scratch
Blog post:
显示更多
It's always useful to test how fast your models run on different backends -- JAX is often the fastest, but TensorFlow can surprise you!
There are often huge differences between backends. If you think that your go-to backend is "probably always fast enough", you're wrong
显示更多
Super simple Colab that shows you how to build a chatbot using Gemma 2 9B:
Built with Keras 3, runs on any backend -- JAX, PyTorch, TensorFlow. Personally recommend JAX for best performance.
显示更多
We're releasing a new high-performing open LLM: Gemma 2! Written in Keras 3, and compatible with TensorFlow, JAX, and PyTorch.
Gemma 2 comes in two sizes, 9B and 27B parameters, with standard and instruction-tuned variants. Find them here:
On Kaggle:
On Hugging Face:
显示更多
