文章/答案/技术大牛

发布

社区首页 >问答首页 >使用文件训练的Serving tensorflow模型

问使用文件训练的Serving tensorflow模型
EN

Stack Overflow用户

提问于 2017-08-31 06:43:01

回答 1查看 99关注 0票数 0

很好奇有没有人和我有类似的用例：

我的张量流模型是用tfrecord文件和queue runner训练的。因此，该图不使用占位符。

现在，我如何保存模型并在线提供服务？在服务期间，我们需要将请求的数据馈送到图中。如果没有占位符，那么我们就没有地方吃东西了。

谢谢!

发布于 2017-08-31 13:13:48

实际上，TensorFlow接受将Tensor用作placeholder，例如：

q = tf.FIFOQueue(10, dtypes=tf.int32)
a = q.dequeue()
w = tf.constant(2)
c = a * w
sess = tf.Session()
sess.run(c, feed_dict={a:1})

因此，在导出模型时，输入不必是placeholder，您可以在出队后将任何张量作为服务的输入。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/45970775

复制

相似问题

问使用文件训练的Serving tensorflow模型EN