我用keras (用于情感语音识别的LSTM分类器)与python一起构建了一个深度学习模型,它在本地工作得很好,但是当我加载模型或传递音频分类时,我得到了很高的内存使用量(到目前为止没有问题,因为我的机器中有16 in )。我试图在一个烧瓶web应用程序中将我的模型部署到Azure中,我的问题是:我需要一个云中的“超级机器”来运行我的模型,或者还有其他方法来部署它,以降低成本?
我想问你,是否有一种方法可以避免Azure自动缩减应用服务计划。例如,我使用以下定价级别配置了一个App Service Plan : Basic: 1 Medium;但是,如果我的应用程序空闲了一段时间,则该app Service Plan的定价级别将更改为Shared。我不知道这是否是一种标准行为,从财务上讲这是有意义的;然而,从技术角度来看,我总是需要至少一个基本服务计划,因为我正在使用一些在共享环境中不可用的GDI+功能(实际上我的应用程序开始崩溃)。
虽然在Visual Studio中直接开发、创建和部署web应用程序,以及后来将应用程序扩展到基本服务计划,但在默认情况下从未更改回免
我正在针对Azure Redis Cache运行集成测试。这是我非常简单的缓存实现:
public class RedisCacheEngine : ICacheEngine
{
private static readonly Lazy<ConnectionMultiplexer> LazyConnection = new Lazy<ConnectionMultiplexer>(() =>
{
var config = new ConfigurationService();
var connectionString