我使用tensorflow训练了一个图像分类器,并将其部署在云中。当我在本地执行预测时,我会得到一个结果,而当我使用我部署的模型执行批量预测时,我会得到不同的结果。 为了在本地执行预测,我使用以下script 要使用云执行预测,我首先调整图像大小并将其转换为float32数组(模型使用该类型进行训练),然后使用以下方法将其保存为JSON文件: import skimage, json
from PIL import Image
from resizeimage import resizeimage
with open('xxx.jpg', 'r+b') a
我的问题与Azure容器组的姿势有关。我很乐意使用Docker映像,并在Kubernetes环境中部署这些映像。我对Azure很陌生。我有一个集装箱运行在一个集装箱组。我通过web门户使用JSON模板部署了它。我可以使用门户中的Connect选项对其进行重击,并进行一些更改。在Docker环境中,我会将这些更改提交到映像中,并将其推送到我的存储库。我想知道如何对在Azure中的容器组中运行的容器进行同样的操作。我觉得这更像是一个Kubernetes环境,人们的期望是,您已经构建了自己的映像来进行规范,而现在您只是将其部署到- is (在其他地方进行并提交了更改)。然而,这似乎也是微软在这里提供