第一篇 基于tensorflow的基础学习之运行环境
基于tensorflow的基础学习之环境搭建
tensorflow是一个开源框架,用于构建、训练和部署各种机器学习和深度学习,可以使用与推荐系统、构建神经网络等等
环境的安装,这里使用docker镜像进行搭建
一、跑tensorflow项目的镜像
1.下载镜像
docker pull tensorflow/tensorflow:latest-jupyter
2.挂载宿主机
docker run -p 8888:8888 -d --name tfrs-jupyter -v C:\Users\xxxx\Desktop\xxxx\需要挂载的项目路径:/tf tensorflow/tensorflow:latest-jupyter /bin/bash -c "while true; do echo sleep; sleep 360000; done"
3.使用PowerShell连接镜像
docker exec -it 镜像名/id /bin/bash
4.下载对应的tensorflow版本,例子使用的是2.13.0版本
--注意:TensorFlow 2 软件包需要使用高于 19.0 的 pip 版本(对于 macOS 来说,则需要高于 20.3 的 pip 版本)。--
pip install tensorflow
pip install -q tensorflow-recommenders
pip install -q --upgrade tensorflow-datasets
pip install pandas
5.运行
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
返回如下,安装成功
如果一直困扰版本号对不上的,记得在: tensorflow官方文档上找到自己使用的版本
二、跑tendorflow生成的模型文件镜像
1.下载镜像
docker pull google/tf-serving-scann:latest
2.挂载宿主机
docker run -p 8501:8501 -p 8500:8500 -d --name tf-serving -v D:\Project\{{模型文件生成路径}}:/models google/tf-serving-scann:latest /bin/bash -c "while true; do echo sleep; sleep 360000; done
3.下载 测试模型文件
4.将模型文件丢到容器中的models文件,比如:
5.访问模型文件默认接口,(因放了“2”号模型文件,所以版本号为2,版本号是根据文件名来的)
结果:
6.请求模型接口
传参:
{
“instances”: [“1.0”, “2.0”, “5.0”]
}
结果:
算是完成tensorflow环境搭好了,tensorflow的模型服务也部署好了