maqian5的博客

文章目录1. 使用Docker安装TF serving1.1 安装Docker1.2 安装TF Serving2. 使用自己训练的模型2.1 ckpt 2 pb2.2 pb 2 saved_model3. 向该docker TF Serving 传递参数，进行预测在完成模型的训练之后，要将其部署到公司的CPU服务器上，为解决这一问题，谷歌发布了TensorFlow (TF) Serving，希望能解决ML模型部署到生产的一系列问题。本文不对tensorflow serving进行介绍，仅仅是记录自己使用

文章目录1.数据处理1.1 数据集1.2 数据预处理2. 文本卷积神经网络3. 模型训练4. 总结本文是在文本分类实战（二）—— textCNN 模型这个博客的基础上进行的。1.数据处理1.1 数据集首先，数据集是采用的IMDB 电影影评，总共有三个数据文件，包括unlabeledTrainData.tsv，labeledTrainData.tsv，testData.tsv。在进行文本分类时需要有标签的数据（labeledTrainData），但是在训练word2vec词向量模型（无监督学习）时可以

TensorFlow 版本：1.11.0在 TensorFlow 1.4 版本中，Google 新引入了一个新 API：tf.estimator.train_and_evaluate。提出这个 API 的目的是：代替 tf.contrib.learn.Experiment。1. tf.estimator.train_and_evaluate 简介train_and_evaluate API 用来 train 然后 evaluate 一个 Estimator。调用方式如下：tf.estimat...