shin627077的专栏

如题，在一些情况下，我们可能希望编写一些自己的python代码，不完全使用tensorflow已提供的计算图来做，在一般情况下，可以使用tf.py_func。 但是如果想让该代码部署到tensorflow serving上，那么恭喜，tensorflow serving是不支持的，会报如下错误：Loading servable: {name: 模块名 version: 版本号} failed: N

通常，我们写入tfrecords的分类都是以该格式存储的："label": tf.FixedLenFeature([], tf.int64)然后取出的feature这样定义："label": tf.FixedLenFeature([], tf.int64)取值代码：label = tf.cast(features["label"], tf.int32)然后发现我们不

Tensorflow Serving 服务docker部署Tensorflow Serving 模型生成与部署Python grpc 对Tensorflow Serving服务调用Java grpc 对Tensorflow Serving服务调用

如题，Tensorflow Serving 安装用到的bazel安装包，自己下得很费劲，现在分享出来： http://pan.baidu.com/s/1pKLKnUz

按照官方文档，tensorflow手动编译获取代码如下：git clone https://github.com/tensorflow/tensorflow cd tensorflowgit checkout Branch # where Branch is the desired branch，如git checkout r1.0这里有个巨坑，如果你打开git上的Branches，会看到（不同