TensorFlow serving部署.涉及几个命令，很方便，大家可以快速尝试一下，把模型快速部署，对外提供RestFul API服务
2021-08-17 13:50:01
1KB
1
Introduction
本项目主要对原tensorflow-yolov3版本做了许多细节上的改进, 增加了TensorFlow-Serving工程部署, 训练了多个数据集，包括Visdrone2019, 安全帽等, 安全帽mAP在98%左右, 推理速度1080上608的尺寸大概25fps.
此项目步骤十分详细，特别适合新手入门serving端部署，有什么问题可以提issues, 如果觉得好用记得star一下哦，谢谢！下面是改进细节:
1. 修改了网络结构，支持了tensorflow-serving部署,自己训练的数据集也可以在线部署, 并给出了 docker+python_client测试脚本, 支持HTTP跟GRPC协议[ 0325 新增 ]
2. 修改了ulits文件，优化了demo展示,可以支持中文展示,添加了支持显示成中文的字体
3. 详细的中文注释,代码更加易读,添加了数据敏感
2021-07-05 19:42:37
38.49MB
1
tensorflow/serving模型部署PDF
2021-02-25 18:02:16
1.47MB
1
简单的TensorFlow服务
介绍
简单TensorFlow服务是针对机器学习模型的通用且易于使用的服务。 在了解更多信息。
支持分布式TensorFlow模型
支持常规的RESTful / HTTP API
通过加速的GPU支持推理
支持curl和其他命令行工具
以任何编程语言支持客户
按型号支持代码生成客户端，无需编码
支持对图像模型的原始文件进行推断
支持详细请求的统计指标
支持同时服务多个模型
支持模型版本的在线和离线动态
支持为TensorFlow模型加载新的自定义操作
通过可配置的基本身份验证支持安全身份验证
支持多种型号的TensorFlow / MXNet / PyTorch / Caffe2 / CNTK / ONNX / H2o / Scikit-learn / XGBoost / PMML / Spark MLlib
安装
使用安装服务器。
pip install simple_tensorflow_serving
或从安装。
python ./setup.py install
python ./setup.py develop
2021-02-03 09:37:40
24.77MB
1