1、將tensorflow訓練出來的模型更好的應用在生產環境中,通過API等等支持的方式來方便對外提供穩定可靠的服務,比如人臉識別商業化.2、舉個例子,清晰壹點.說壹下我們現在模型對外提供服務的方案:數據建模,我用的python,在用scikit-learn訓練出模型後,怎麽讓其他人也能享受這個模型呢?總不能將代碼給人家,讓人家再訓練壹遍吧,所以我們用joblib.dump將訓練出來的模型變為壹個實體的文件,然後copy到生產環境,用joblib.load加載後,再用flask對外提供API服務.3、對比壹下,可知tensorflow相當於scikit-learn,是壹個深度學習工具.那tensorflow serving就相當於把上面的joblib.dump(當然了tensorflow serving是export方法)與joblib.load以及最後提供輸出能力(相當於上面的flask)都壹手包辦了.4、意義就在於能夠很方便的將深度學習生產化,解決了模型無法提供服務的弊端,並且用的是c++語言,性能上應該也是可以的.5、所以,以後深度學習方向的創業公司都能很方便的將產品商業化了,保證7*24小時的可靠服務.
上一篇:怎麽用C語言編壹個正弦曲線啊？求源代碼！！下一篇:建站源代碼