python - 如何部署张量流系统?张量流服务?
问题描述
我用 tf.keras 构建了一个推荐系统。
我想将其部署到实时环境中。
我可以做的一件事是,创建一个基于 python 的网络服务器 (django),它接受 (http) 休息请求,prediction
使用经过训练的模型并将结果作为休息响应返回。
我想知道是否有推荐的替代方案而不是执行上述操作?
我可以猜测tensorflow 服务可能与我正在尝试做的事情有关,但不能确定..
- 我正在继承 tf.keras.models.Model 来创建我的模型,它不仅支持
model.save()
..model.save_weights
我猜它可能会影响我的选择。
解决方案
Tesnsorflow 服务是这里的方式: https ://github.com/tensorflow/serving
它有一些非常好的特性:https ://youtu.be/CxUc5FJF_9w?t= 1056 这个视频总体上提供了关于 TensorFlow 服务和 TFX 的非常丰富的信息。
推荐阅读
- javascript - Angular 在运行时创建元素,同时保持样式
- localization - 如何为本地化创建和加载 resource.dll?
- java - 我应该关闭由 ZipOutputStream 包装的 FileOutputStream
- neo4j - Neo4j 过滤状态
- streaming - apache flink 检查点已完成但未完成
- pytest - 如果测试文件具有设置和拆卸部分,如何使用 pytest 并行执行测试
- ios - 如何在 iOS 应用启动期间访问 IMvxLog
- angular - 如何正确编辑显示在网格中的值?
- powershell - Azure 管道:基于 OS 的条件环境变量
- android - 如何在屏幕触摸和按住上进行 Activity 更改,并在释放相同的保持时再次更改?