开源与本地工具 · 工具介绍
TensorFlow Serving
为训练好的模型提供版本化推理服务，支持同时服务多个版本以及 HTTP 和 gRPC 接口。
TensorFlow Serving 能做什么
为训练好的模型提供版本化推理服务，支持同时服务多个版本以及 HTTP 和 gRPC 接口。
- 模型API与推理服务
如何使用 TensorFlow Serving
为模型更新建立可验证的服务版本
准备输入
- 已导出模型
- 服务版本目录
- 测试输入
操作步骤
- 启动服务并加载当前模型版本。
- 加入候选版本，使用相同请求分别检查输出。
- 核对批处理和接口行为后，按部署策略选择使用版本。
预期交付物
- 版本化推理接口
- 模型版本对比记录
新版本仍需业务指标与兼容性验证，热更新不等同于效果改善。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从开源与本地工具角度评估TensorFlow Serving
把开源与本地工具需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
本地运行到哪一步
区分本地界面、本地处理和外部API；不能只看名称判断数据去向。
环境是否匹配
检查系统、内存、磁盘和依赖，按官方要求判断能否运行。
后续是否可维护
确认许可证、配置保存、数据导出与版本更新方法。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
