TF模型部署的特点
- 可扩展性、稳定性、可靠性（能经历大规模多应用部署的考验）好
- 可扩展性、稳定性、可靠性（能经历大规模多应用部署的考验）好
- TF serving高性能，开源的机器学习服务系统，专为部署设计的
- TF serving可以结合docker一起使用，部署方便
- 提供了REST和GRPC的接口
- 支持regression，classify，predict 的api
- serving的轻量化可以很好的解决服务问题
- TF采用分布式的架构，对云的处理适应能力好，适合大规模项目的部署
- TF有Js的版本，支持的浏览器端训练推理
- Tensorboard的可视化工具便于查看数据
- 各个平台上都能跑，win、Linux、MacOS、Android、iOS都能方便的使用
- 可以用python接口，也有高性能的C++接口
- 支持离线多机多cpu、gpu的分布式训练，还有在线提供serving的一整套解决方案，快速落地项目，极大减少工程成本
点击查看更多内容
为 TA 点赞
评论
共同学习，写下你的评论
评论加载中...
作者其他优质文章
正在加载中
感谢您的支持，我会继续努力的～
扫码打赏，你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫，即可进行扫码打赏哦