它将生成包含了用于调用办事的stub的classification_service_pb2.py文件。

在懂得若何应用TesnsorFlow构建和练习各类模型——大年夜根本的机械进修模型到复杂的深度进修收集后，我们就要推敲若何将练习好的模型投入于产品，以使其可以或许为其他应用所用，本文对此将进行具体介绍。文┞仿节选自《面向机械智能的TensorFlow实践》第7章。

办事器接收到POST请求后，将对发送的表单进行解析，并用它创建一个Classification-Request对象。然后为这个分类办事器设置一个channel，并将请求提交给它。最后，它会将分类响应衬着为HTML，并送回给用户。

saver = tf.train.Saver() 
 
with tf.Session() as sess: 
 
   # 大年夜练习检查点文件恢复各交量 
 
ckpt = tf.train.get_checkpoint_state(sys.argv[1]) 
 
if ckpt and ckpt.model_checkpoint_path: 
 
     saver.restore(sess, sys.argv[1])+”/”+ 
 
ckpt.model_checkpoint_path) 
 
else: 
 
      print(“Checkpoint file not found”) 
 
      raise SystemExit  

def do_POST(self): 
 
   form = cgi.FieldStorage( 
 
fp=self.rfile, 
 
headers=self.headers, 
 
environ={ 
 
'REQUEST_METHOD': 'POST', 
 
'CONTENT_TYPE': self.headers['Content-Type'], 
 
}) 
 
   request = 
 
classification_service_pb2.ClassificationRequest() 
 
request.input = form['file'].file.read() 
 
 
channel = 
 
implementations.insecure_channel("127.0.0.1", 9999) 
 
stub = 
 
classification_service_pb2.beta_create_ClassificationService_stub(channel) 
 
response = stub.classify(request, 10) # 10 secs 
 
timeout 
 
self.respond_form("<div>Response: %s</div>" % 
 
response)  

为了运行该办事器，可大年夜该容器外部应用敕令python client.py。然后，用浏览器导航到http://localhost:8080来拜访其UI。请上传一幅图像并查看揣摸结不雅若何。

产品预备

在停止本文内容之前，我们还将进修若何将分类办事器应用于产品中。

这个proto文件将由proto编译器转换为客户端和办事器响应的类定义。为了应用protobuf编译器，必须为BUILD文件添加一条新的规矩，类似于：

　　推荐阅读

　　传统存储市场正遭遇来自横向扩展SDS 的威胁

传统的存储厂商正面对着前所未竽暌剐的压力。软件定义存储与公有云存储(也是基于横向扩大的SDS技巧)相浇忧⒛解决筹划正在蚕食传统的存储市场，如Dell EMC的VNX、HPE的Smart Array、NetApp的E系列和FAS。我同样认为>>>详细阅读

本文标题：面向机器智能的TensorFlow实践：产品环境中模型的部署

地址：http://www.17bianji.com/lsqh/34985.html

 1/2    1