@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?zhuān)狠敵瞿Ｐ椭械膁ropout層在本地預(yù)測(cè)時(shí)和tf-serving上是不一樣的赎婚。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)題只锻，請(qǐng)問(wèn)一下有沒(méi)有源碼的github鏈接可以讓我參考一下玖像，謝謝！
在Tensorflow Serving上部署基于LSTM的文本分類(lèi)模型一些重要的概念 Servables Servables 是客戶(hù)端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象齐饮，大小和粒度是靈活的捐寥。 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(hù)端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象祖驱，大小和粒度是靈活的握恳。 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上捺僻，在tf-serving和本地上LSTM輸入的word embeddings都是一樣的乡洼，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(lèi)模型一些重要的概念 Servables Servables 是客戶(hù)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就珠。 Servables 不會(huì)管理自己的運(yùn)行周期寇壳。 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(lèi)模型一些重要的概念 Servables Servables 是客戶(hù)端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象妻怎，大小和粒度是靈活的壳炎。 Servables 不會(huì)管理自己的運(yùn)行周期。 典型的Servab...
你好逼侦，我想把一個(gè)NER的模型部署到tensorflow-serving上匿辩，但是出現(xiàn)了客戶(hù)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，請(qǐng)問(wèn)有什么可能會(huì)導(dǎo)致這個(gè)問(wèn)題呢榛丢？謝謝
在Tensorflow Serving上部署基于LSTM的文本分類(lèi)模型一些重要的概念 Servables Servables 是客戶(hù)端請(qǐng)求執(zhí)行計(jì)算的基礎(chǔ)對(duì)象铲球，大小和粒度是靈活的。 Servables 不會(huì)管理自己的運(yùn)行周期晰赞。 典型的Servab...
