TensorRec 框架:簡化基於 TensorFlow 所架設的推薦引擎的後勤工作

在架構推薦系統時,最重要的是開發演算法、讓演算法更理解使用者和項目,而非操作資料和架設 API。

這也就是為什麼我架了 TensorRec 框架,這個框架目的在簡化基於 TensorFlow 架設的推薦引擎的後勤工作,並讓開發者專注於更有趣的內容,像是:嵌入函數、損失函數和更強大的機器學習開發。

TensorRec 是一種推薦演算法,它有簡單的 API 可用於訓練和預測,類似於 Python 中常用的機器學習工具。它還可以讓你靈活地嘗試自己的嵌入/損失函數,使你可以架設一個適合了解特定使用者和項目的推薦系統。 繼續閱讀 “TensorRec 框架:簡化基於 TensorFlow 所架設的推薦引擎的後勤工作”

Skaffold:可重複性使用的簡單 Kubernetes 開發工具

使用 Kubernetes 的公司,他們的目標是為開發人員提供一個方便部署的體驗。為了幫助企業實現這一目標,我們最近推出了一項功能:Skaffold,這是一款可幫助 Kubernetes 應用程式持續開發的命令行工具。有了 Skaffold,開發人員可以在本地推送程式碼,同時持續更新並準備好在本地或遠程 Kubernetes 叢集中進行驗證或測試。自動化流程節省了開發時間,並通過其生產之過程提高了應用程式的品質。 繼續閱讀 “Skaffold:可重複性使用的簡單 Kubernetes 開發工具”

一秒辨識屈中恆、宋少卿、鈕承澤:就用 Cloud AutoML Vision!

暨上一篇帶您手把手快速啟用 Google Cloud AutoML 後,這篇將帶您了解 Cloud AutoML 的實際應用案例。


(圖片摘自於網路)

GCP 的 Machine Learning 產品線,自今年 1/17 發表了 Cloud AutoML 後,在客製化 (Cloud ML Engine) 與服務化 (ML API) 兩者之間多了另一個折衷選項 (延伸閱讀:Google 機器學習三大服務介紹與比較),讓沒有足夠的機器學習背景的開發人員,也可以透過 Cloud AutoML 來訓練客製化的機器學習模型。 繼續閱讀 “一秒辨識屈中恆、宋少卿、鈕承澤:就用 Cloud AutoML Vision!”

充分使用 Google Kubernetes Engine 小撇步:優先權、先占權

如果能確保你最重要的工作負載總能獲取於 Kubernetes 叢集中運行所需的資源,這不是一件好事嗎?現在,你就可以這麼做。Kubernetes 1.9 版本中介紹了一個名為 “優先權與先占權” 的 alpha 版功能,允許您為工作負載分配優先權別,以便在叢集滿載時,重要性高的 pods 能驅趕重要性較低的 pods。 繼續閱讀 “充分使用 Google Kubernetes Engine 小撇步:優先權、先占權”