@liyonghong 模型的版本沒(méi)有問(wèn)題。我在github上看到了一個(gè)可能的解釋：輸出模型中的dropout層在本地預(yù)測(cè)時(shí)和tf-serving上是不一樣的笆檀。但是您的模型在預(yù)測(cè)時(shí)好像并不會(huì)發(fā)生這種問(wèn)題，請(qǐng)問(wèn)一下有沒(méi)有源碼的github鏈接可以讓我參考一下证舟，謝謝！
在Tensorflow Serving上部署基于LSTM的文本分類模型一些重要的概念 Servables Servables 是客戶端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象窗骑，大小和粒度是靈活的女责。 Servables 不會(huì)管理自己的運(yùn)行周期。 典型的Servab...
一些重要的概念 Servables Servables 是客戶端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象创译，大小和粒度是靈活的抵知。 Servables 不會(huì)管理自己的運(yùn)行周期。 典型的Servab...
@liyonghong 問(wèn)題似乎出在一個(gè)雙向的LSTM上软族，在tf-serving和本地上LSTM輸入的word embeddings都是一樣的刷喜，但是輸出結(jié)果不一樣，我不太清楚為什么會(huì)出現(xiàn)這種問(wèn)題
在Tensorflow Serving上部署基于LSTM的文本分類模型一些重要的概念 Servables Servables 是客戶端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象立砸，大小和粒度是靈活的掖疮。 Servables 不會(huì)管理自己的運(yùn)行周期。 典型的Servab...
@liyonghong 我確定input的dtype與模型輸入的dtype是一致的，但是結(jié)果還是不一樣……
在Tensorflow Serving上部署基于LSTM的文本分類模型一些重要的概念 Servables Servables 是客戶端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象，大小和粒度是靈活的涣达。 Servables 不會(huì)管理自己的運(yùn)行周期。 典型的Servab...
你好规揪，我想把一個(gè)NER的模型部署到tensorflow-serving上桥氏，但是出現(xiàn)了客戶端請(qǐng)求結(jié)果與本地調(diào)用模型的結(jié)果不一樣的情況温峭，請(qǐng)問(wèn)有什么可能會(huì)導(dǎo)致這個(gè)問(wèn)題呢？謝謝
在Tensorflow Serving上部署基于LSTM的文本分類模型一些重要的概念 Servables Servables 是客戶端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象字支，大小和粒度是靈活的凤藏。 Servables 不會(huì)管理自己的運(yùn)行周期。 典型的Servab...
