是否有通過RESTful API部署Tensorflow模型的示例代碼?我看到了命令行程序和移動應用程序的示例。有沒有這樣的框架,或者人們只是通過Web框架(如Flask)加載模型並展示預測方法來接受輸入(例如通過JSON)並返回響應?我所說的框架是指對大量的預測請求進行縮放。當然,由於模型是不可變的,我們可以啓動預測服務器的多個實例,並將其放在負載平衡器(如HAProxy)之後。我的問題是,人們是使用一些框架來做這件事還是從頭開始,或者,這在Tensorflow中已經可用,我沒有注意到它。通過RESTful API部署Tensorflow模型的示例
18
A
回答
17
TensorFlow Serving是一款面向機器學習模型的高性能開源服務系統,專爲生產環境而設計,並針對TensorFlow進行了優化。最初版本包含使用gRPC構建的示例,但您可以使用RESTful API輕鬆替換前端(在下圖中表示爲「客戶端」)以滿足您的需求。
爲了快速上手,檢查出tutorial。
22
https://github.com/sugyan/tensorflow-mnist通過使用Flask和加載預先訓練的模式(恢復)顯示了一個簡單的restAPI示例。
@app.route('/api/mnist', methods=['POST'])
def mnist():
input = ((255 - np.array(request.json, dtype=np.uint8))/255.0).reshape(1, 784)
output1 = simple(input)
output2 = convolutional(input)
return jsonify(results=[output1, output2])
此外,請參閱在線演示https://tensorflow-mnist.herokuapp.com/。看起來API足夠快。
相關問題
- 1. 部署避免Tensorflow服務的Tensorflow模型
- 2. 通過tensorflow實現TFlearn imdb lstm示例
- 3. 從tensorflow tensorflow保存示例文本分類模型/ examples/learn/text_classification.py
- 4. 通過API部署到Google Play商店
- 5. 通過REST API部署Storm拓撲
- 6. Tensorflow Java API - 複雜的示例
- 7. 通過JavaFX部署應用程序的工具提示部署
- 8. Tensorflow和Hadoop部署
- 9. node使用firebase的RESTful API模型
- 10. Tensorflow compute_weighted_loss示例
- 11. 多對多模型的Django的RESTful的API來顯示異物
- 12. 自動生成RESTful API示例JSON
- 13. 權限被拒絕通過RESTful的API
- 14. 部署通過Eclipse
- 15. 建模RESTful API
- 16. 通過RESTful服務
- 17. TensorFlow CIFAR10示例
- 18. MNIST Tensorflow示例
- 19. 如何將ckpt數據模型用於tensorflow iOS示例中?
- 20. Azure Flask-Restful部署失敗
- 21. 將演員模型與RESTful API結合
- 22. 在Tensorflow中批量訓練模型的快速示例?
- 23. 如何使用Tensorflow的PTB模型示例?
- 24. Guice部署例外
- 25. 如何通過PHP訪問RESTful API
- 26. 通過Javascript與RESTful API交互?
- 27. RESTful API:如何建模JSON表示?
- 28. 通過示例
- 29. 在websphere 8.5中部署Swagger生成的RESTFUL API
- 30. 如何部署使用節點js創建的RESTful api
我找到了一個簡單的Flask示例,並將答案放在底部。這是你正在尋找的東西嗎?請讓我知道否則,我會刪除答案。 順便說一下,我還沒有測試與TensorFlow服務的性能,但Flask版本似乎對我來說體面。 –