Ansys|91国内精品视频|Matlab|91国内精品久久久|R语言培训课程班-91国内精品久久-曙海培训深圳成都南京苏州杭州

課程大綱：

TensorFlow 2 模型部署方法實踐培訓

機器學習問題不僅是一個科學問題，

更是一個工程問題。實際應用中，我們不僅要學會構建完美的機器學習模型上，

同時還需要將其部署向用戶提供便捷的服務。

本課程將使用 TensorFlow 2 框架完成機器學習模型部署實踐。

1 預訓練模型使用方法

2 將模型部署在后端

3 部署模型性能優化

4 TensorFlow Serving 用法

5 將模型部署在前端

6 第三方庫部署模型

1
預訓練模型使用方法

1.Keras導入預訓練模型

2.預訓練模型的使用方法

3.保存模型為HDF5格式

4.保存模型為SavedModel格式

2
TensorFlow Serving 部署模型

1.通過Docker部署TensorFlowServing

2.通過RESTAPI訪問TensorFlowServing服務

3.通過gRPC訪問TensorFlowServing服務

3
使用 Flask 框架部署模型

1.通過Flask進行模型部署

2.通過傳輸圖片訪問API

3.通過網頁訪問API

4
使用 TensorFlow.js 部署模型

1.將預訓練模型轉換到TensorFlowjs

2.開啟跨源資源共享

3.TensorFlowjs的基本語法

4.TensorFlowjs載入模型

5.TensorFlowjs模型預測

5
使用 TensorFlow Lite 部署模型

1.轉換Keras模型為TensorFlowLite格式

2.TensorFlowLite解釋器安裝與使用

3.TensorFlowLite權重量化

4.TensorFlowLite整數量化

5.TensorFlowLiteFloat16量化

6
使用 Gradio 快速部署模型

1.Gradio安裝與配置

2.使用Gradio進行圖像分類

3.使用Gradio進行手寫數字識別

4.使用Gradio進行文本處理