整合營銷服務商

          電腦端+手機端+微信端=數據同步管理

          免費咨詢熱線:

          TensorFlow開發者會峰會:支持Swift,更

          TensorFlow開發者會峰會:支持Swift,更好的支持JavaScript

          乙 假裝發自 Computer History Museum

          量子位 出品 | 公眾號 QbitAI

          今天凌晨,2018年TensorFlow開發者峰會(Dev Summit)在美國加州召開。

          這次的大會上,沒有太多令人驚喜的發布。

          當然也有一些值得關注的改變。

          其中討論最多的話題,還是TensorFlow這個平臺對更多編程語言的支持。主要是JavaScript和Swift。

          其一,TensorFlow.js發布。

          這是一個面向JavaScript開發者的機器學習框架,可以完全在瀏覽器中定義和訓練模型,也能導入離線訓練的TensorFlow和Keras模型進行預測,還對WebGL實現無縫支持。

          在瀏覽器中使用TensorFlow.js可以擴展更多的應用場景,包括展開交互式的機器學習、所有數據都保存在客戶端的情況等。

          實際上,這個新發布的TensorFlow.js,就是基于之前的deeplearn.js,只不過被整合進TensorFlow之中。

          Google還給了幾個TensorFlow.js的應用案例:

          游戲:Emoji尋寶

          地址:https://emojiscavengerhunt.withgoogle.com/

          更多可以訪問:https://js.tensorflow.org/ 。

          其二,TensorFlow for Swift將在四月開源。

          盡管這個項目還在初期階段,但是也有很多人對此抱有期待。例如fast.ai創始人、前任Kaggle總裁Jeremy Howard就把這個列為峰會最重要的發布內容,而且還說:我們是不是終于可以放下Python了?

          關于TensorFlow for Swift信息較少,感興趣的可以訪問下面這個地址:https://www.tensorflow.org/community/swift

          此外,TensorFlow還有一些新功能。

          包括TensorFlow Hub。“旨在促進模型的可重復使用部分的發布、發現和使用……它們包含了已在大型數據集上預先訓練好的變量,并且可以用一個較小的數據集進行再訓練,來提高泛化能力,或是加速訓練”。

          這部分說明引自Google官方微信公眾號TensorFlow。

          Cloud TPU也會更快更強。

          如果你對這次的峰會更多內容感興趣,建議直接訪問新發布的TensorFlow博客查看,地址是:blog.tensorflow.org (跳轉medium.com)

          TensorFlow 1.7.0提前發布

          去年2月16日,2017年度TensorFlow開發者大會也是山景城召開。當時的大會上,Google推出了TensorFlow 1.0版本。

          不過,這次的開發者大會肯定是不會發布2.0版本了。

          因為就在這次的開發者大會前不久,Google發布了TensorFlow 1.7.0版本。主要的改進包括把Eager模式從contrib中移出來等。

          而其中最引人矚目的,就是從這個版本開始,TensorFlow全面集成了來自英偉達的TensorRT。

          作為一個庫,TensorRT能夠優化TensorFlow的FP16浮點和INT8整數計算,而且還能最大化吞吐量,降低GPU的推理延遲等等。

          Google給出的數據顯示,整合了TensorRT的TensorFlow在運行ResNet-50時,比沒有整合的版本提速8倍。

          更多關于TensorFlow 1.7.0版本的情況,可以訪問GitHub了解。地址:https://github.com/tensorflow/tensorflow/releases

          這個月中旬,Stack Overflow發布了十萬程序員大調查。這份調查報告顯示,TensorFlow是程序員最愛框架。

          報告稱:機器學習框架在開發者們心目中形象不錯,TensorFlow榮登程序員最愛榜榜首,有73.5%正在用它的程序員表示還想繼續用,Torch/PyTorch排在第3名,68%用戶打算繼續用下去。

          在程序員最想學的框架中,TensorFlow排在第3,而Torch/PyTorch排在第10名。還沒用上TensorFlow的程序員有15.5%打算學一學,而沒用上Torch/PyTorch的人里,有4.5%的人打算投入它的懷抱。

          同時,也有不少人對這兩個機器學習框架不太滿意,26.5%的TensorFlow用戶想脫離它。

          花絮

          昨天,Google預告這場活動會在B站直播。

          結果不知道什么原因,這個計劃失敗了。B站沒有直播成。不少等著圍觀的網友除了抱怨之外,只能再次前往YouTube。

          還在YouTube上留言互動……

          — 完 —

          誠摯招聘

          量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話界面,回復“招聘”兩個字。

          量子位 QbitAI · 頭條號簽約作者

          ?'?' ? 追蹤AI技術和產品新動態

          坑給你踩完,可行的結果給你探明,讓你的方向明確,存在的小問題自行解決)

          1、不要考慮前端轉pdf了,我已經幫您爬過坑了。

          前端轉PDF,本質就是把網頁通過canvas轉成圖片,圖片轉成PDF。

          坑1:PDF文件占內存很大,本來應該是500kb的pdf,直接給你轉出20M的pdf。
          坑2:PDF很模糊,文字重影,各種控制畫質的參數都無法解決。
          坑3:PDF中其實就是一張圖片,文字無法復制。


          2、不要考慮后端PHP轉PDF了,我已經幫您爬過坑了。

          后端轉PDF,本質就是用PHP干HTML的事情。

          坑1:PHP去寫html那種苦,只有苦命人能吃,特別是遇到JS圖表等樣式,直接生無可戀。
          坑2:PHP去干html的事情無法在瀏覽器上預覽,只有寫一下導出pdf看效果,一套開發下來,導幾百個pdf,這種苦您能吃不?
          坑3:還要求你引入字體包等,麻煩死了。

          3、不要考慮后端調用HTML轉PDF了,我已經幫您爬過坑了。

          后端調用HTML轉PDF,本質就是PHP是識別HTML,再轉出來。

          坑1:大部分HTML不支持,不支持css文件,不支持js等圖表,只能寫行內樣式。
          坑2:寫出來的瀏覽器預覽效果和導出來的PDF不一致,試著去調樣式,再導出pdf看效果,一套開發下來,導幾百個pdf,這種苦您能吃不?


          今天,亮哥從萬坑從中爬出來,為廣大勞苦程序猿獻上一份:終極解決HTML/CSS/JS網頁轉PDF(高質量)的終極解決方案,請官人憐惜。

          1、準備工作:待轉網頁、服務器環境。

          (1)、待轉網頁:把你要轉出的網頁樣式,用html、css、js排版出來,不用去在乎兼容性,您能想到的效果都支持。如果您是在網站中彈窗頁面預覽,網頁套在ifram中彈窗即可。
          (2)、服務器環境:建議使用傻瓜式維護linux的寶塔,如果您是的linux命令高手也可以不用寶塔。


          2、安裝wkhtmltopdf:在服務器上安裝wkhtmltopdf軟件。

          安裝軟件過程中可能會出現各種各樣的linux提示報錯,因為報錯多種多樣,我沒辦法給您一一列舉,您根據linux的報錯去自行爬文檔處理,我這里只給一個我探明可行,可用的思路,你順著思路走即可。

          A、 打開服務器終端。

          B、下載wkhtmltopdf復制運行命令:

          wget https://github.com/wkhtmltopdf/wkhtmltopdf/releases/download/0.12.5/wkhtmltox-0.12.5-1.centos7.x86_64.rpm

          C、安裝wkhtmltopdf復制運行命令:

          sudo yum localinstall -y wkhtmltox-0.12.5-1.centos7.x86_64.rpm

          D、檢測wkhtmltopdf是否安裝成功,復制運行命令:

          wkhtmltopdf -V

          3、用PHP創建一個超出的API接口

          function PDF()
              {
                  $inputFile='https://baidu.com'; //您要轉出的網頁路徑
                  $outputFile=ROOT_PATH . 'public/uploads/pdf/xxxx.pdf'; //存放PDF的物理路徑
                  $url='/public/uploads/pdf/xxxx.pdf'; //定義相對路徑
                  $wkhtmltopdfBinary='/usr/local/bin/wkhtmltopdf --margin-top 5mm --margin-bottom 5mm --margin-left 5mm --margin-right 5mm'; //wkhtmltopdf命令的路
                  $command=$wkhtmltopdfBinary . ' ' . escapeshellarg($inputFile) . ' ' . escapeshellarg($outputFile); //構建命令
                  exec($command, $output, $returnCode); //執行命令行
          
                  //執行失敗暴露錯誤,用于debug
                  if ($returnCode !==0) { 
                      $obj['output']=$output;
                      $obj['returnCode']=$returnCode;
                      return $obj;
                  };
                  //執行成功,如果有數據庫操作,請在下面寫你的數據操作
          
              }
          }
          

          4、導出效果

          寫作最后:如果你在操作的過程中遇到問題,私信聯系我即可。

          信首發于微信公眾號「GitHub精選」,歡迎大家關注。

          大家好,我是章魚貓。

          今天給大家推薦的這個開源項目是來自于讀者的投稿,我超級喜歡這個開源項目。尤其是做小程序開發的時候,經常遇到將內容生成圖片分享到朋友圈。這個開源項目就能夠解決你的問題,可以將 html 轉為圖片,還可以轉為 PDF ,還支持加水印。

          這個開源項目就是:Doctron它是基于 Docker、無狀態、簡單、快速、高質量的文檔轉換服務。目前支持將 html 轉為 pdf、圖片 (使用 chrome (Chromium) 瀏覽器內核,保證轉換質量)。支持 PDF 添加水印。

          作者認為目前開源界沒有較好的服務器端 HTML 轉 PDF、圖片的工具,像 wkhtmltopdf、dompdf、mpdf 等這些比較出名的轉換工具,對一些簡單 CSS 樣式的 HTML 轉換能做到不失真,對一些有復雜 CSS 樣式的 HTML 不能做到所見即所得。Doctron 使用 chrome 內核恰巧彌補了這些缺點。

          開源項目作者還提供了體驗網站:

          您可以打開下面的鏈接在線體驗轉換質量,由于服務器配置較低,以及網絡原因,轉換可能會慢一點,實際部署到服務器速度會不一樣。

          項目體驗地址:http://doctron.lampnick.com/

          開源項目特性如下:

          • 使用 chrome 內核保證高質量將 HTML 轉為 pdf / 圖片。
          • 簡易部署 (提供 docker 鏡像,Dockerfile 以及 k8s yaml 配置文件)。
          • 支持豐富的轉換參數。
          • 轉為 pdf 和圖片支持自定義大小。
          • 無狀態服務支持。

          安裝和使用步驟如下:

          開源項目地址:https://github.com/lampnick/doctron

          開源項目作者:lampnick

          公眾號:「GitHub 精選」,值得你關注,每天都分享開源項目,挖掘開源的價值。


          主站蜘蛛池模板: 韩国精品一区视频在线播放| 久久4k岛国高清一区二区| 国产福利精品一区二区| 亚洲成AV人片一区二区| 亲子乱av一区二区三区| 精品国产一区二区三区| 色狠狠色狠狠综合一区| 国产免费一区二区三区VR| 99精品国产高清一区二区三区| 国产在线乱子伦一区二区| 动漫精品一区二区三区3d| 日韩精品一区二区三区色欲AV| 亚洲精品伦理熟女国产一区二区| 国产成人一区二区三区| 国产成人无码一区二区三区| 在线免费观看一区二区三区| 国产一区二区三区免费在线观看 | 亚洲第一区视频在线观看| 97精品一区二区视频在线观看 | 国产精品一区二区三区久久| 人妻少妇精品视频一区二区三区| 成人毛片无码一区二区| 国产成人一区二区三区视频免费 | 无码人妻精品一区二区| 极品少妇伦理一区二区| 亚洲熟妇成人精品一区| 亚洲熟女少妇一区二区| 一区二区国产精品| 色窝窝免费一区二区三区 | 中文字幕在线观看一区二区| 麻豆文化传媒精品一区二区 | 在线一区二区三区| 无码人妻精品一区二区三区在线 | 亚洲爆乳精品无码一区二区三区| 精品国产一区二区三区在线| 精品视频一区二区三区在线观看| 国产伦精品一区二区三区免费迷| 无码人妻久久一区二区三区| 一区二区不卡久久精品| 亚洲精品精华液一区二区| 日韩人妻一区二区三区免费|