Keras 和 TensorFlow Serving 项目教程

Keras 和 TensorFlow Serving 项目教程

keras-and-tensorflow-servingDeploying Keras models using TensorFlow Serving and Flask项目地址:https://gitcode.com/gh_mirrors/ke/keras-and-tensorflow-serving

目录结构及介绍

keras-and-tensorflow-serving/
├── README.md
├── models/
│   ├── 1/
│   │   ├── saved_model.pb
│   │   └── variables/
│   │       ├── variables.data-00000-of-00001
│   │       └── variables.index
│   ├── 2/
│   │   ├── saved_model.pb
│   │   └── variables/
│   │       ├── variables.data-00000-of-00001
│   │       └── variables.index
│   └── ...
├── scripts/
│   ├── export_model.py
│   ├── serve_model.sh
│   └── ...
├── config/
│   ├── serving_config.yaml
│   └── ...
└── ...

• README.md: 项目说明文档。
• models/: 存放训练好的模型文件，每个版本一个子目录。
• scripts/: 包含导出模型和启动服务的脚本。
• config/: 包含服务的配置文件。

项目的启动文件介绍

serve_model.sh

#!/bin/bash

# 启动 TensorFlow Serving 服务
tensorflow_model_server --rest_api_port=8501 \
  --model_name=my_model \
  --model_base_path=/path/to/models/

• serve_model.sh: 用于启动 TensorFlow Serving 服务的脚本。需要指定模型名称和模型路径。

项目的配置文件介绍

serving_config.yaml

model_config_list: {
  config: {
    name: "my_model",
    base_path: "/path/to/models/",
    model_platform: "tensorflow"
  }
}

• serving_config.yaml: 配置文件，用于指定模型的名称、路径和平台。

以上是基于开源项目 https://github.com/himanshurawlani/keras-and-tensorflow-serving.git 生成的教程，包含了项目的目录结构、启动文件和配置文件的介绍。

keras-and-tensorflow-servingDeploying Keras models using TensorFlow Serving and Flask项目地址:https://gitcode.com/gh_mirrors/ke/keras-and-tensorflow-serving