tensorflow - Tensorflow 服务 - 如何使用大词嵌入?
问题描述
我对 Tensorflow 有点陌生。我有一个简单的 LSTM 任务来对文本进行分类。我使用 word2vec 将单词转换为具有 300 暗度的向量,其中包含tf.nn.embedding_lookup
我的单词嵌入,np.array
并且我正在加载它np.load()
。
当我使用tf.train.Saver() or builder.save()
导出的模型保存模型时,其大小约为 1.5 GB。由于大小限制,我无法将此模型加载到 Tensorflow 服务。
我已经阅读了有关资产并将外部文件存储到资产目录的内容。它也适用于词向量吗?如何实施?
谢谢
解决方案
推荐阅读
- type-inference - 证明任意嵌套的 Vect 别名是可显示的
- c# - 将默认光标更改为自定义光标
- laravel - 将多个相同的名称转换为一个名称,并且值在 laravel 中得到总和
- azure - 如何从 DevOps api 获取团队头像
- openlayers - 开放层。矢量瓷砖,边缘的样式特征
- dragonruby-game-toolkit - 如何在 DragonRuby Game Toolkit 中的“sprite”上渲染“solid”?
- go - 如何更正“if”构造中的类型比较
- vim - Vim 视觉模式在 cygwin 中表现异常
- python - Passing a scrapy HtmlResponse object to an external function
- asp.net - 没有“继承”属性就不能使用“代码文件”属性