2024-04-28 09:54:15 发布
网友
我在服务一个使用对象检测API训练的模型。我是这样做的:
在端口9000上创建一个Tensorflow服务,如basic tutorial
使用tensorflow中的predict_pb2创建一个调用此服务的python代码_服务.api类似于this
尽管如此,我还是可以用以下方法来做得容易得多:
如您所见,我可以跳过使用Tensorflow服务。在
那么,在我的案例中使用Tensorflow服务有什么好的理由吗?如果没有,在什么情况下我应该使用它?在
我认为最重要的原因是
几乎所有的事情,它在很大程度上取决于你拥有的用例和你的场景,所以考虑利弊和你的需求是很重要的。TensorFlow服务有很好的特性,但是这些特性也可以通过一些努力来实现,以便与Flask一起工作(例如,您可以创建批处理机制)。在
Flask用于处理请求/响应,而Tensorflow serving是专门为生产中灵活的ML模型而构建的。在
让我们来看看你想:
你可以随时免费使用这些优势,通过发送请求到TF服务使用烧瓶。在
我认为最重要的原因是
几乎所有的事情,它在很大程度上取决于你拥有的用例和你的场景,所以考虑利弊和你的需求是很重要的。TensorFlow服务有很好的特性,但是这些特性也可以通过一些努力来实现,以便与Flask一起工作(例如,您可以创建批处理机制)。在
Flask用于处理请求/响应,而Tensorflow serving是专门为生产中灵活的ML模型而构建的。在
让我们来看看你想:
你可以随时免费使用这些优势,通过发送请求到TF服务使用烧瓶。在
相关问题 更多 >
编程相关推荐