在modelarts上部署backend为TensorFlow的keras模型
最近老山在研究在modelarts上部署mask-rcnn,源代码提供的是keras模型。我们可以将keras转化成savedModel模型,在TensorFlow Serving上部署,可参考老山的上篇部署文章。至于输入和输出张量,到已经预先存在model.input和model.output中了。
不多说,直接上代码。
from keras import backend as K
import tensorflow as tf
# 在此之前,先加载keras模型
# 。。。
# 加载完成with K.get_session() as sess:export_path = './saved_model'builder = tf.saved_model.builder.SavedModelBuilder(export_path)signature_inputs = {'input_image': tf.saved_model.utils.build_tensor_info(model.input[0]),'input_image_meta': tf.saved_model.utils.build_tensor_info(model.input[1]),'input_anchors': tf.saved_model.utils.build_tensor_info(model.input[2]),}signature_outputs = {'mrcnn_detection':tf.saved_model.utils.build_tensor_info(model.output[0]),'mrcnn_class':tf.saved_model.utils.build_tensor_info(model.output[1]),'mrcnn_bbox':tf.saved_model.utils.build_tensor_info(model.output[2]),'mrcnn_mask':tf.saved_model.utils.build_tensor_info(model.output[3]),'ROI':tf.saved_model.utils.build_tensor_info(model.output[4]),'rpn_class':tf.saved_model.utils.build_tensor_info(model.output[5]),'rpn_bbox':tf.saved_model.utils.build_tensor_info(model.output[6]), }classification_signature_def = tf.saved_model.signature_def_utils.build_signature_def(inputs=signature_inputs,outputs=signature_outputs,method_name=tf.saved_model.signature_constants.PREDICT_METHOD_NAME)builder.add_meta_graph_and_variables(sess,[tf.saved_model.tag_constants.SERVING],signature_def_map={'root': classification_signature_def},)builder.save()
作者:山找海味
在modelarts上部署backend为TensorFlow的keras模型相关推荐
- mask rcnn算法分析_在modelarts上部署mask-rcnn模型
最近老山完成了对mask-rcnn在modelarts上的部署,部署模型来自于这个项目.部署的过程大体和我的上篇文章使用modelarts部署bert命名实体识别模型相似,许多细节也不在赘述.这篇文章 ...
- 在modelarts上部署mask-rcnn模型
最近老山完成了对mask-rcnn在modelarts上的部署,部署模型来自于这个项目.部署的过程大体和我的上篇文章使用modelarts部署bert命名实体识别模型相似,许多细节也不在赘述.这篇文章 ...
- 在 Android 上部署Machine Learning(ML) 模型
@如何在 Android 上部署机器学习 (ML) 模型 ** 如何在 Android 上部署Machine Learning(ML) 模型 ** 目录 Android上的 ML 项目工作流程 在 A ...
- java lstm pb_在Tensorflow Serving上部署基于LSTM的文本分类模型
一些重要的概念 Servables Servables 是客户端请求执行计算的基础对象,大小和粒度是灵活的. Servables 不会管理自己的运行周期. 典型的Servables包括: a Tens ...
- Tensorflow Serving部署tensorflow、keras模型详解
写在篇前 本篇介绍如何使用Tensorflow Serving组件导出训练好的Tensorflow模型,并使用标准tensorflow model server来部署深度学习模型预测服务.tens ...
- Sklearn,TensorFlow,keras模型保存与读取
一.sklearn模型保存与读取 1.保存 1 from sklearn.externals import joblib 2 from sklearn import svm 3 X = [[0, 0 ...
- TensorFlow与PyTorch模型部署性能比较
TensorFlow与PyTorch模型部署性能比较 前言 2022了,选 PyTorch 还是 TensorFlow?之前有一种说法:TensorFlow 适合业界,PyTorch 适合学界.这种说 ...
- 用TVM在硬件平台上部署深度学习工作负载的端到端 IR 堆栈
用TVM在硬件平台上部署深度学习工作负载的端到端 IR 堆栈 深度学习已变得无处不在,不可或缺.这场革命的一部分是由可扩展的深度学习系统推动的,如滕索弗洛.MXNet.咖啡和皮托奇.大多数现有系统针对 ...
- 如何在谷歌云平台上部署可解释性模型
2020-02-26 21:52 导语:获取 TensorFlow 模型的局部和全局解释 图片来源于 Pixabay 现代机器学习和人工智能在解决复杂的问题方面取得了令人印象深刻的成果.然而,复杂的问 ...
最新文章
- boot spring 获取请求端口浩_6、如何获取配置中心的配置
- Java多线程发展简史
- 智源研究院发布 2020 年世界十大 AI 进展
- yum安装etcd集群
- python pandas sqlserver_python学好了还可以用到SSIS上,将Python的能力嫁接到SSIS中
- ELASTIC API
- “开发者的面试完全是无稽之谈”
- Java编程学习-Math类
- 文章标签设计方法,文章Tags数据库设计方法举例
- rootkit后门程序开发测试过程
- 谈谈This对象的理解
- python-机器学习-手写数字识别
- QQ2012Beta1登录协议(异地需要验证码,且密码错误的情况)
- 808《数据结构》参考答案
- CSS入门(人物简历案例)
- 计算机核心论文投稿的一点碎碎念
- C#读写导入导出Excel表格模板(NPOI)
- R语言Bootstrap、百分位Bootstrap法抽样参数估计置信区间分析通勤时间和学生锻炼数据
- android功能网格布局,Android布局总结一:GridLayout布局(网格布局)
- PDF文档如何在线分割成多个PDF小文件
热门文章
- Eigen 矩阵计算工具
- android+word转html,word与html互转(1) -- word转html
- java实现蛇蛇大作战_蛇蛇大作战3D旋涡版
- 计算机数据库系统考研复试面试题,2016年山西财经大学081203计算机应用技术871数据库系统概论复试笔试最后押题五套卷...
- 手机天气显示服务器错误,手机天气云服务器
- golang xorm框架对应pg数据库字段类型参照表
- 2016012072+张济吨+散列函数的应用及其安全性
- 解决 Python2 和 Python3 的共存问题
- 坚果云开发团队分享高效代码审查经验
- kill -9都杀不掉的进程