tf43:tensorflow Serving gRPC 部署实例

292 篇文章 18 订阅
175 篇文章 13 订阅
本文介绍了如何使用TensorFlow Serving部署和管理TensorFlow模型。通过克隆TensorFlow Serving仓库,安装依赖,训练并保存模型,然后启动模型服务器,最后使用gRPC接口进行服务测试。文章详细讲解了模型的保存格式、版本管理和热更新功能。
摘要由CSDN通过智能技术生成

MachineLP的Github(欢迎follow):https://github.com/MachineLP

(1)克隆到本地: git clone https://github.com/tensorflow/serving.git

(2)cd到serving目录下面

(3)pip install tensorflow-serving-api

(4)运行: python tensorflow_serving/example/mnist_saved_model.py ./mnist_model   (下载数据需要翻墙)

mnist_saved_model.py的代码如下:完成训练 和 模型及其变量的保存。

from __future__ import print_function

import os
import sys

# This is a placeholder for a Google-internal import.

import tensorflow as tf

import mnist_input_data

tf.app.flags.DEFINE_integer('training_iteration', 10
  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

MachineLP

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值