Tensorflow 如何在云中部署实时学习张量流模型?
我如何在云中部署一个张量流模型,当作为输入输入时,它可以学习和更新权重。因为我看到的大多数部署方法都涉及到模型冻结,这也意味着重量的冻结。这是可能的还是后者是唯一的办法 冻结模型是最紧凑的形式,它可以让您拥有一个较小的推理节点,您可以调用该节点来进行预测,并且只有必要的信息来进行预测Tensorflow 如何在云中部署实时学习张量流模型?,tensorflow,keras,tensorflow-serving,Tensorflow,Keras,Tensorflow Serving,我如何在云中部署一个张量流模型,当作为输入输入时,它可以学习和更新权重。因为我看到的大多数部署方法都涉及到模型冻结,这也意味着重量的冻结。这是可能的还是后者是唯一的办法 冻结模型是最紧凑的形式,它可以让您拥有一个较小的推理节点,您可以调用该节点来进行预测,并且只有必要的信息来进行预测 如果你想有和模型,并使其可用于在线学习,并作出推断,你可以有这样的所有图表加载与最新的权重。为了安全起见,请随时保存重量。当然,您可以有两个程序,一个用于推断最新的冻结模型,另一个用于使用上次保存的权重不时更新以进
如果你想有和模型,并使其可用于在线学习,并作出推断,你可以有这样的所有图表加载与最新的权重。为了安全起见,请随时保存重量。当然,您可以有两个程序,一个用于推断最新的冻结模型,另一个用于使用上次保存的权重不时更新以进行新的训练。我向你推荐第二种选择。希望有帮助 冻结模型是最紧凑的形式,它可以让您拥有一个较小的推理节点,您可以调用该节点来进行预测,并且只有必要的信息来进行预测 如果你想有和模型,并使其可用于在线学习,并作出推断,你可以有这样的所有图表加载与最新的权重。为了安全起见,请随时保存重量。当然,您可以有两个程序,一个用于推断最新的冻结模型,另一个用于使用上次保存的权重不时更新以进行新的训练。我向你推荐第二种选择。希望有帮助