tensorflow - 如何在云中部署实时学习张量流模型?
问题描述
如何在云中部署张量流模型,该模型可以在作为输入时学习和更新权重。由于我看到的大多数部署方法都涉及模型冻结,这也意味着冻结权重。有可能还是后者是唯一的方法?
解决方案
冻结模型是最紧凑的形式,它可以让您拥有一个较小的推理节点,您可以调用它来进行预测,并且只有必要的信息才能做到这一点。
如果您想拥有和建模并使其可用于在线学习并进行推理,那么您可以拥有所有图表,并加载最新的权重。为了安全起见,不时保存重量。当然,你可以有两个程序,一个用于推断最新的冻结模型,另一个用于不时启动新的训练,使用最后保存的权重。我向您推荐第二种选择。希望能帮助到你!
推荐阅读
- python - python3 AttributeError: module 'serial' has no attribute 'Serial'
- r - 将所有行乘以同一数据框中的另一行
- eloquent - Eloquent 更新模型模棱两可的行为
- java - Java Proxy.newProxyInstance() 抛出类型转换异常?
- php - 如何通过 AJAX 将我的变量添加到我的 PHP 脚本中
- python - 无法启动 uwsgi 服务
- php - 我应该如何为谷歌气泡图格式化 json。根据气泡图,我没有找到任何特定文档
- c# - 如何在一个 GET 中返回两个 API?
- java - java vararg 数组参数和普通数组参数有什么区别?
- qlikview - Qlikview 项目在删除文件/文件夹后不会消失