課程大綱：

TensorFlow 2 模型部署方法實踐培訓(xùn)

機(jī)器學(xué)習(xí)問題不僅是一個科學(xué)問題，

更是一個工程問題。實際應(yīng)用中，我們不僅要學(xué)會構(gòu)建完美的機(jī)器學(xué)習(xí)模型上，

同時還需要將其部署向用戶提供便捷的服務(wù)。

本課程將使用 TensorFlow 2 框架完成機(jī)器學(xué)習(xí)模型部署實踐。

1 預(yù)訓(xùn)練模型使用方法

2 將模型部署在后端

3 部署模型性能優(yōu)化

4 TensorFlow Serving 用法

5 將模型部署在前端

6 第三方庫部署模型

1
預(yù)訓(xùn)練模型使用方法

1.Keras導(dǎo)入預(yù)訓(xùn)練模型

2.預(yù)訓(xùn)練模型的使用方法

3.保存模型為HDF5格式

4.保存模型為SavedModel格式

2
TensorFlow Serving 部署模型

1.通過Docker部署TensorFlowServing

2.通過RESTAPI訪問TensorFlowServing服務(wù)

3.通過gRPC訪問TensorFlowServing服務(wù)

3
使用 Flask 框架部署模型

1.通過Flask進(jìn)行模型部署

2.通過傳輸圖片訪問API

3.通過網(wǎng)頁訪問API

4
使用 TensorFlow.js 部署模型

1.將預(yù)訓(xùn)練模型轉(zhuǎn)換到TensorFlowjs

2.開啟跨源資源共享

3.TensorFlowjs的基本語法

4.TensorFlowjs載入模型

5.TensorFlowjs模型預(yù)測

5
使用 TensorFlow Lite 部署模型

1.轉(zhuǎn)換Keras模型為TensorFlowLite格式

2.TensorFlowLite解釋器安裝與使用

3.TensorFlowLite權(quán)重量化

4.TensorFlowLite整數(shù)量化

5.TensorFlowLiteFloat16量化

6
使用 Gradio 快速部署模型

1.Gradio安裝與配置

2.使用Gradio進(jìn)行圖像分類

3.使用Gradio進(jìn)行手寫數(shù)字識別

4.使用Gradio進(jìn)行文本處理