文件名称：keras服务：使用tensorflow-serving和nodejs + docker将keras模型投入生产
文件大小：21.04MB
文件格式：ZIP
更新时间：2024-02-20 14:21:50
nodejs python docker cpp tensorflow
keras服务 keras-> tensorflow + grpc + docker => nodejs :spouting_whale: :fire: 使用tensorflow服务将keras模型引入生产的示例 使用带有tensor.proto尺寸示例的自定义XOR模型 在工作站上使用python2.7构建和训练模型 使用Docker-Container在C ++服务器中通过grpc为导出的模型提供服务 一个nodejs服务器将grpc api包装为一个简单的http POST端点 还提供了先进的多模型人脸（情感，性别）检测示例/face-recog 和高级Google bigquery（作为dataaset）示例/bigquery 总览 下面的XOR设置 工作流程（Unix-在Ubuntu 16.04 64bit上进行测试） 你会需要 python pip docker (docker-compose) 1.安装要求 ./prepare.sh # installs python dependencies via pip # builds the docker image f
【文件预览】：
keras-serving-master
----start-dual-servers.sh(207B)
----prepare.sh(205B)
----node_server()
--------package.json(405B)
--------predict.js(4KB)
--------server.js(4KB)
--------Dockerfile(280B)
--------protos()
--------.dockerignore(12B)
--------yarn.lock(35KB)
----docker-compose.dual.yml(370B)
----keras-demo.py(3KB)
----stop-dual-servers.sh(66B)
----model_server()
--------Dockerfile(3KB)
----test.py(705B)
----train.py(1KB)
----bigquery()
--------prepare.sh(82B)
--------train.py(3KB)
--------README.md(62B)
----face-recog()
--------client()
--------models.py(2KB)
--------images()
--------prepare.sh(457B)
--------Dockerfile-emotion(254B)
--------utils.py(1KB)
--------face-exporter.py(861B)
--------test.py(3KB)
--------Dockerfile-gender(252B)
--------trained_models()
--------export.py(2KB)
--------README.md(2KB)
----Dockerfile(248B)
----start-servers.sh(88B)
----LICENSE(11KB)
----docker-compose.yml(197B)
----.gitignore(176B)
----export.py(2KB)
----README.md(2KB)
----stop-servers.sh(39B)
----build.md(511B)