SKIL/工作流程/导入模型

导入模型

TensorFlow, Caffe, Keras, 与 Deeplearning4j 都可以导入到SKIL

SKIL模型导入允许数据科学家将他们在其他地方创建的深度学习模型部署到SKIL模型服务器。SKIL支持来自任何keras后端库的模型，包括TensorFlow、Caffe，还支持DL4J。

一个拥有经过训练的TensorFlow模型的团队，将其模型托管在模型服务器上，以便更好地与企业应用程序集成。SKIL模型服务器还允许数据科学和DevOps团队从一个中心位置管理所有的深度学习模型，无论这些模型是如何训练的以及在哪里训练的。

 

使用模型导入

要导入模型，请创建新部署或打开现有部署。从这里单击“导入模型（import model）”按钮（如下所示）：

模型导入按钮
单击此按钮会在弹出窗口中显示一个模式对话框，允许你选择要上传的模型文件（如下）。

导入模型模态窗口
在这里，你可以上传来自Keras、TensorFlow或DL4J的模型。模型导入使团队在如何利用Skil平台作为深度学习操作中心方面具有更大的灵活性。

 

从TensorFlow导入

 

一旦冻结的图TensorFlow模型导入到SKIL中，可以以与任何其他模型相同的方式部署。在部署方面，SKIL对模型的构建方式和从哪构建的不可知。

在下面的屏幕截图中，我们可以看到当系统检测到导入的.pb文件时，SKIL中的导入模型对话框窗口正在设置为包含更多选项。输入用于输入的占位符的名称和输出节点的名称。

检测到TensorFlow模型时，SKIL“导入模型”对话框窗口

指定输入或输出名称后按Enter键。

你应该看到一个黄色的“芯片”里面的名字，你可以拖动它重新排序或用x按钮删除。
TensorFlow 模型需要输入和输出占位符的名称作为导入和托管格式的一部分。

顺序很重要

当使用多个输入或输出时，顺序反映了SKIL希望在使用endpoint rest api时指定输入的顺序。