Სარჩევი:

როგორ ემსახურებით TensorFlow მოდელს?
როგორ ემსახურებით TensorFlow მოდელს?

ვიდეო: როგორ ემსახურებით TensorFlow მოდელს?

ვიდეო: როგორ ემსახურებით TensorFlow მოდელს?
ვიდეო: tf serving tutorial | tensorflow serving tutorial | Deep Learning Tutorial 48 (Tensorflow, Python) 2024, მაისი
Anonim

Იმისთვის რომ ემსახურება ტენსორფლოს მოდელს , უბრალოდ თქვენიდან SavedModel-ის ექსპორტი ტენსორფლო პროგრამა. SavedModel არის ენობრივად ნეიტრალური, აღდგენითი, ჰერმეტული სერიალიზაციის ფორმატი, რომელიც საშუალებას აძლევს უფრო მაღალი დონის სისტემებსა და ინსტრუმენტებს შექმნან, მოიხმარონ და გარდაქმნან. TensorFlow მოდელები.

შესაბამისად, როგორ გავუშვა TensorFlow მოდელი?

ეს არის ის ნაბიჯები, რომლებსაც ჩვენ ვაპირებთ:

  1. გააკეთეთ სულელური მოდელი, როგორც მაგალითი, ივარჯიშეთ და შეინახეთ იგი.
  2. მიიღეთ თქვენთვის საჭირო ცვლადები თქვენი შენახული მოდელიდან.
  3. შექმენით ტენზორის ინფორმაცია მათგან.
  4. შექმენით მოდელის ხელმოწერა.
  5. შექმენით და შეინახეთ მოდელის მშენებელი.
  6. ჩამოტვირთეთ Docker გამოსახულება TensorFlow-ით, რომელიც უკვე კომპილირებულია მასზე.

დამატებით, რას ემსახურება TensorFlow? TensorFlow სერვისი არის მოქნილი, მაღალი ხარისხის ემსახურება მანქანათმცოდნეობის მოდელების სისტემა, შექმნილია საწარმოო გარემოსთვის. TensorFlow სერვისი უზრუნველყოფს გარე ინტეგრაციას TensorFlow მოდელები, მაგრამ ადვილად შეიძლება გაფართოვდეს ემსახურება სხვა ტიპის მოდელები და მონაცემები.

ამასთან დაკავშირებით, როგორ მუშაობს TensorFlow?

TensorFlow სერვისი საშუალებას გვაძლევს ავირჩიოთ მოდელის რომელი ვერსია, ან "სერვისირებადი" გვინდა გამოვიყენოთ დასკვნის მოთხოვნისას. თითოეული ვერსია იქნება ექსპორტირებული სხვა ქვედირექტორიაში მოცემული ბილიკით.

რა არის მოდელი სერვერი?

მოდელის სერვერი for Apache MXNet (MMS) არის ღია კოდის კომპონენტი, რომელიც შექმნილია ღრმა სწავლების დანერგვის ამოცანის გასამარტივებლად მოდელები მასშტაბის დასკვნისთვის. განლაგება მოდელები რადგან დასკვნა არ არის ტრივიალური ამოცანა.

გირჩევთ: