后端监控对应的文件目录，从而可以允许用户从远程查看网络的监控数据。 TensorBoard 的使用需要模型代码和浏览器相互配合。在使用 TensorBoard 之前，需要 安装 TensorBoard 库，安装命令如下： # 安装 TensorBoard pip install tensorboard 接下来我们分模型端和浏览器端介绍如何使用 TensorBoard 工具监控网络训练进度。 8.7.1 模型端 val_images, max_outputs=9, step=step) 运行模型程序，相应的数据将实时写入到指定文件目录中。 8.7.2 浏览器端 在运行程序时，监控数据被写入到指定文件目录中。如果要实时远程查看、可视化这 些数据，还需要借助于浏览器和 Web 后端。首先是打开 Web 后端，通过在 cmd 终端运行 tensorboard --logdir path 指定 Web 后端监控的文件目录 后端监控的文件目录 path，即可打开 Web 后端监控进 程，如图 8.2 所示： 图 8.2 启动 Web 服务器 此时打开浏览器，并输入网址 http://localhost:6006 (也可以通过 IP 地址远程访问，具体 端口号可能会变动，可查看命令提示) 即可监控网络训练进度。TensorBoard 可以同时显示 多条监控记录，在监控页面的左侧可以选择监控记录，如图 8.3 所示：

人工智能研究院 lidongliang@360.cn 2017.10.20 SACC2017 360电脑安全产品 月活跃数达到4.42亿 360手机安全产品 移动端用户总数已达约1.49亿 360浏览器 月活跃用户数量为3.03亿 360导航 日均独立访问用户为8900万人 日均点击量约为4.51亿次 360搜索 稳定拥有35%以上的市场份额 中国最大的互联网安全公司 360智能硬件

Flask 快速搭建 验证码识别服务 使用 Flask 启动 验证码识别服务 $ export FLASK_ENV=development && flask run --host=0.0.0.0 打开浏览器访问测试 URL（http://localhost:5000/ping） 访问 验证码识别服务 $ curl -X POST -F image=@2140.png 'http://localhost:5000/predict'

模型 登记 模型 上线 预测 请求 数据 落地 ⽆量 ⽤户⾏为数据上报 特征 库 内容 获取 请求 � 推荐场景的重要性 � PCG的图⽂，视频推荐（腾讯视频，腾讯新 闻，QQ看点，浏览器，微视， QQ⼩世界等） � 腾讯系内容推荐：阅⽂集团，QQ⾳乐 � Facebook推荐场景推理成本占AI推理成本的 >72% [ISCA2020 RecNMP] � 千亿级推荐模型应⽤ O1

利用用户反馈数据来补充训练样本 正在进行的探索 17 聊天机器人(chatbot) • 聊天机器人是一种聊天代理，它通过电脑程序设计与人类通过音频或文本进行 智力对话。 --维基百科 • 未来，聊天应用将被看作是新的浏览器，而机器人程序将成为新的网站。这就 是互联网的新开始。--Ted Livingston, CEO of KiK • 聊天机器人将从根本上变革每个用户对人机交互的体验。 --Satya Nadella

⚫Jupyter notebook 在cmd环境下，切换到代码的 目录，输入命令： jupyter notebook之后就可以 启动jupyter botebook编辑器 ，启动之后会自动打开浏览器 ，并访问http://localhost:8088 ，默认跳转到 http://localhost:8088/tree 53 ⚫Pycharm https://www.jetbrains.com/pycharm/

⚫Jupyter notebook 在cmd环境下，切换到代码的 目录，输入命令： jupyter notebook之后就可以 启动jupyter botebook编辑器 ，启动之后会自动打开浏览器 ，并访问http://localhost:8088 ，默认跳转到 http://localhost:8088/tree 54 ⚫Pycharm https://www.jetbrains.com/pycharm/

需先将当前路径定位到刚下载的本书代码解压后的目录）： jupyter notebook 9 https://developer.nvidia.com/cuda‐downloads 10 目录 现在可以在Web浏览器中打开http://localhost:8888（通常会自动打开）。由此，我们可以运行这本书中每个 部分的代码。在运行书籍代码、更新深度学习框架或d2l软件包之前，请始终执行conda activate 目录 1 引言 时至今日，人们常用的计算机程序几乎都是软件开发人员从零编写的。比如，现在开发人员要编写一个程序 来管理网上商城。经过思考，开发人员可能提出如下一个解决方案：首先，用户通过Web浏览器（或移动应 用程序）与应用程序进行交互；紧接着，应用程序与数据库引擎进行交互，以保存交易历史记录并跟踪每个 用户的动态；其中，这个应用程序的核心——“业务逻辑”，详细说明了应用程序在各种情况下进行的操作。 个快速测试来确认这一解释： torch.ones(4) tensor([1., 1., 1., 1.]) 在Jupyter记事本中，我们可以使用?指令在另一个浏览器窗口中显示文档。例如，list?指令将创建 与help(list)指令几乎相同的内容，并在新的浏览器窗口中显示它。此外，如果我们使用两个问号，如list??， 将显示实现该函数的Python代码。 2.7. 查阅文档 83 小结 • 官方文档提供了本书之外的大量描述和示例。

test() 1.14 Qwen-Agent Qwen-Agent 是一个基于 Qwen 的指令跟随、工具使用、计划和记忆能力来开发 LLM 应用程序的框架。它还 附带了一些示例应用程序，例如浏览器助手、代码解释器和自定义助手。 1.14.1 安装 git clone https://github.com/QwenLM/Qwen-Agent.git cd Qwen-Agent pip install

Apple’s CoreML（苹果为 Keras 提供官方支持）。这里有一个教程。 • 在安卓上，通过 TensorFlow Android runtime，例如：Not Hotdog app。 • 在浏览器上，通过 GPU 加速的 JavaScript 运行时，例如：Keras.js 和 WebDNN。 • 在 Google Cloud 上，通过 TensorFlow-Serving。 • 在 Python