Buscar este blog

En este artículo les traigo un análisis sobre las relaciones típicas de UML, como trabajar con ellas y algunas nociones de modelado. Al modelar los elementos que constituyen el vocabulario de un sistema, también hay que modelar como se relacionen entre si estos elementos. Pero típicamente encontramos complejidad en estas redes de relaciones, para sortear este inconveniente tenemos que tener un acabado conocimiento del uso de la relaciones. Hablando con diseñadores en diversos escenarios manifiestan conocimiento sobre relaciones, "utilizo a diario en mis diseños, dependencias, generalizaciones y asociaciones", pero el interrogante que emerge "¿Es suficiente la utilización básica de las relaciones para capturar los detalles de los sistemas actuales?" Para niveles aceptables de diseño, muchas veces es necesario profundizar sobre las relaciones y este objetivo intentaré cubrir en este artículo, como sería muy extenso tratar todas las relaciones voy a optar por definir c...

La última entrega de la serie, #Firebase #FriendlyChat, envío de imágenes

5:55 p.m.

La última entrega de la sería más extensa de lo normal, la verdad me costó encontrar algunos errores en la escritura de código en vivo :) En el video de implementación hice una referencia a un posible #issue de implementación sobre el código ejemplificado. Pero ambas implementaciones funcionan correctamente. Les dejo las dos versiones: En el ejemplo trabajamos la carga de imágenes, para la implementación es importante y para la arquitectura del ejemplo también, por los recursos requeridos. Para esto hacemos uso de la poderosa función de #Storage de #Firebase. Aquí pueden repasar desde luego el video completo: También la serie de principio a fin con el porting del ejemplo al español. Donde se hacen todos los pasos propuestos. La última entrega de la serie, #Firebase #FriendlyChat, envío de imágenes por Nicolas Bortolotti se distribuye bajo una Licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional .

TensorFlow Lite con Go API en 7 pasos

11:06 a.m.

TensorFlow Lite es un marco de aprendizaje profundo de código abierto para la inferencia en el dispositivo. La API actual es compatible oficialmente con Python, Java y C ++ . La pregunta principal aquí es, ¿qué pasaría si quisiéramos usar Go & TensorFlow Lite? El objetivo de este artículo es brindar la oportunidad de usar Go en el poderoso mundo de la inferencia en el dispositivo y también brindar una experiencia de uso fluida. Hay algunas iniciativas trabajando en eso, pero sin un diseño central claro, un entorno de mantenimiento y dependencias. Para la propuesta inicial, decidí usar la biblioteca TensorFlow Lite C y para el enlace estoy usando cgo (cgo permite la creación de paquetes Go que llaman código C) para implementar la solución. Creé la versión inicial de la biblioteca tflitego . * Siempre damos la bienvenida a los contribuyentes, expertos y expertos en inferencia en el dispositivo, etc. Aquí el diseño de la versión inicial: También creé un proyecto de ejemplos inicial ...