TensorFlow Docker生产环境使用说明

本文介绍如何使用TensorFlow Serving在生产环境中部署已训练的模型。通过Docker启动TensorFlow Serving,并设置模型路径和端口。利用RESTful API进行模型测试,展示预测结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

综述

TensorFlow 生产环境即 TensorFlow Serving

可以将训练好的模型以接口形式发布

启动TF Serving Docker

docker run --name [your docker name] --runtime=nvidia -p [主机端口]:8501 --mount type=bind,source=[模型存放路径]/[模型文件夹名],target=/models/[模型文件夹名] -e MODEL_NAME=[your model name] -t tensorflow/serving:1.10.1-gpu &

测试模型RESTful API

curl -d ‘{“instances”: [1.0, 2.0, 5.0]}’
-X POST http://localhost:8501/v1/models/half_plus_two:predict

获得结果

{
“predictions”: [2.5, 3.0, 4.5
]
}

评论
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
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