JerryZhang__的博客

谷歌在2016年12月29日宣布发布TensorFlow r0.12版本支持原生的Windoes系统，可以在window下直接安装，而不需要再通过docker安装。我的系统是64位win7，下面是安装步骤，可供参考：1.安装Python3.5（X64） TensorFlow在Windows上要求使用64位Python3.5，首先安装Python。Python可以在官网下载安装： 地址：https

主要介绍while_loop，stack，transpose，pad等几个函数。测试的时候可以开启TensorFlow的eager模式，直接在python命令行下执行代码，得到结果。开启eager模式的方法：>>>import tensorflow.contrib.eager as tfe>>>tfe.enable_eager_execution()...

本篇主要介绍使用tfserving和docker同时部署多个模型，使用不同版本的模型，基本的流程与部署单个模型的过程类似，(关于运行tfserving容器使用单个模型进行预测的相关步骤可以参见 使用docker和tf serving搭建模型预测服务。)不同之处在于需要用到一个多模型的配置文件。首先得到多个可以用于tfserving预测的模型文件，相关步骤可以参考使用savedModel保存模型。本...

使用tensorflow tfserving + django，搭建图像分类预测web前面介绍了使用docker和tfserving搭建一个预测服务，但是有时候需要对输入到网络的数据做一些预处理的工作，虽然可以在本地使用如Python代码处理完成后再请求预测，但是使用起来会不方便。有时候也可能有将预测的过程作为一个web服务，实现在网页上填写图片的地址信息，然后返回预测结果的需求。本篇主要基于之...

保存模型到单个.pb文件中前面两篇介绍了使用Saver 和SavedModel保存模型：Tensorflow 模型保存与恢复（1）使用tf.train.Saver()Tensorflow 模型保存与恢复（2）使用SavedModel1.保存模型上面两种方法保存的模型的变量都是单独保存在一个文件中的，模型的图元数据则是保存在另一个文件中。有时候希望将模型的元数据和变量值保存到同一个文件中，...

使用SavedModel 保存和恢复模型上一篇介绍了使用tf.train.Saver()保存模型checkpoint的方法，本篇介绍使用SavedModel进行模型的保存与恢复。SavedModel 是一种跨语言的序列化格式（protobuf），可以保存和加载模型变量、图和图的元数据，适用于将训练得到的模型保存用于生产环境中的预测过程。由于跨语言的特性，应用时，可以使用一种语言保存模型，如训练...

使用tf.train.Saver() 保存和恢复模型tf.train.Saver()主要用来在训练期间保存模型的checkpoint文件，便于在训练中断时方便的恢复模型，继续训练。 saver.save(sess,'/tmp/model.ckpt') # 保存模型 saver.restore(sess,'/tmp/model.ckpt') # 恢复模型参数中的’model.ck...

使用docker和tf serving搭建模型预测服务本篇主要介绍使用docker和tensorflow serving搭建一个模型预测服务。一、准备工作1.安装Docker CEDocker CE的安装可以参考docker官方参考文档:install Docker CE安装完成后，可以运行 $sudo docker run hello-world 测试是否安装成功，成功安装的情况下应该...

内容：使用TensorFlow跑MNIST，并保存模型。之后恢复模型并进行测试 配置：win7x64/PyCharm/Python3.5/tensorflow-1.2.1/dataSet-MNIST 原程序：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/tutorials/mnist 1.网络定

使用tfserving 的RESTful API请求已经成功加载到tfserving的目标检测模型（predict类型）时遇到下面的错误： "error": "Tensor name: bbox_img has inconsistent batch size: 4 expecting: 1" 搜索了一下，找到了github上tfserving的一个issue，造成这个错误的原因大致是” in...