将机器学习（ML）模型应用于生产环境已成为一个火热的的话题,许多框架提供了旨在解决此问题的不同解决方案。为解决这一问题，谷歌发布了TensorFlow（TF）服务，以期待解决将ML模型部署到生产中的问题。

Transformer 本篇文章是源码实现，模型原理介绍请查看取代RNN结构的Transformer这篇文章，让我们开始吧！ {代码…} Attention {代码…} Embedding {代码…} FFN_layer {代码…} 模型参数 {代码…}

前言 只有光头才能变强。文本已收录至我的GitHub仓库，欢迎Star：[链接] 回顾前面： 从零开始学TensorFlow【01-搭建环境、HelloWorld篇】 什么是TensorFlow？ 众所周知，要训练出一个模型，首先我们得有数据。我…

TensorFlow是什么意思？Tensor？Flow？这篇文章介绍TensorFlow一些最基础的知识。

Word2Vec有两种训练方法：CBOW和Skip-gram。CBOW的核心思想是上下文预测某个单词，Skip-gram正好相反，输入单词，要求网络预测它的上下文。

从实验到生产，简单快速部署机器学习模型一直是一个挑战。这个过程要做的就是将训练好的模型对外提供预测服务。在生产中，这个过程需要可重现，隔离和安全。这里，我们使用基于Docker的TensorFlow Serving来简单…

权重正则化可以减轻深度神经网络模型的过拟合问题，可以提升对新数据的泛化能力。有多种正则方法可供选择，如：L1，L2正则化，每种方法在使用前需要超参数配置。在这篇文章中，你将学习在keras如何使用权重正则化…

计算图Graph是TensorFlow的核心对象，TensorFlow的运行流程基本都是围绕它进行的。包括图的构建、传递、剪枝、按worker分裂、按设备二次分裂、执行、注销等。因此理解计算图Graph对掌握TensorFlow运行尤为关键。

本章将介绍项目关于Netty的集成问题，将其我们的AI_PigPig可以通过web应用与大家日常互撩。由于只是一个小测试，所以不考虑性能方面的问题，在下一章我们将重点处理效率难关，集成Redis。

完整代码github链接，Untitled.ipynb文件内。【里面的测试是还没训练完的时候测试的，今晚会更新训练完成后的测试结果】修复了网上一些代码的bug，解决了由于tensorflow版本不同引起的一些问题。