tensorflow - 通过 RESTful API 部署 Tensorflow 模型的示例

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 7 年前。

Improve this question

是否有通过 RESTful API 部署 Tensorflow 模型的示例代码？我看到了命令行程序和移动应用程序的示例。是否有一个框架可以实现这一点，或者人们只需加载模型并通过 Web 框架(如 Flask)公开预测方法来获取输入(例如通过 JSON)并返回响应？我所说的框架是指针对大量预测请求的扩展。当然，由于模型是不可变的，我们可以启动预测服务器的多个实例并将其放在负载均衡器(如 HAProxy)后面。我的问题是，人们是否使用某种框架来实现此目的，或者从头开始执行此操作，或者，也许这已经在 Tensorflow 中可用，但我没有注意到。

Answer 1

https://github.com/sugyan/tensorflow-mnist显示了一个使用 Flask 并加载预训练模式(恢复)的简单restAPI 示例。

@app.route('/api/mnist', methods=['POST'])
def mnist():
    input = ((255 - np.array(request.json, dtype=np.uint8)) / 255.0).reshape(1, 784)
    output1 = simple(input)
    output2 = convolutional(input)
    return jsonify(results=[output1, output2])

此外，请参阅 https://tensorflow-mnist.herokuapp.com/ 上的在线演示。看来 API 足够快了。