个人认为其是将tensorflow训练出来的模型更好的应用在生产环境中,通过API等等支持的方式来方便对外提供稳定可靠的服务,比如人脸识别商业化.举个例子,清晰一点.说一下我们现在模型对外提供服务的方案:数据建模,我用的python,在用scikit-learn训练出模型后,怎么让其他人也能享受这个模型呢?总不能将代码给人家,让人家再训练一遍吧,所以我们用joblib.dump将训练出来的模型变为一个实体的文件,然后copy到生产环境,用joblib.load加载后,再用flask对外提供API服务.对比一下,可知tensorflow相当于scikit-learn,是一个深度学习工具.那tensorflowserving就相当于把上面的joblib.dump(当然了tensorflowserving是export方法)与joblib.load以及最后提供输出能力(相当于上面的flask)都一手包了.意义就在于能够很方便的将深度学习生产化,解决了模型无法提供服务的弊端,并且用的是c++语言,性能上应该也是可以的.所以,以后深度学习方向的创业公司都能很方便的将产品商业化了,保证7*24小时的可靠服务.
ubuntu安装tensorflow 先安装python-dev,再安装tensorflow就好了 $ sudo apt-get install python-dev
Hadoop|
Apache Pig|
Apache Kafka|
Apache Storm|
Impala|
Zookeeper|
SAS|
TensorFlow|
人工智能基础|
Apache Kylin|
Openstack|
Flink|
MapReduce|
大数据|
云计算|
用户登录
还没有账号?立即注册
用户注册
投稿取消
文章分类: |
|
还能输入300字
上传中....