谷歌发布 TensorFlow Serving:机器学习模型应用于产品更方便
2016-02-18 13:25
633 查看
谷歌今天发布了TensorFlow Serving,这是个旨在帮助开发者将机器学习模型加入产品中的开源项目。很明显,TensorFlow Serving必然是为谷歌自家的TensorFlow机器学习库优化,不过谷歌也表示它可扩展到支持其它模型和数据。
如TensorFlow这样的项目更易于构建机器学习算法,并为某些特定类型的数据输入做适应学习,而TensorFlow Serving则专注于让这些模型能够加入到产品环境中。开发者使用TensorFlow构建模型,然后使用TensorFlow Serving的API从客户端对输入做回应。谷歌同时还表示,TensorFlow Serving能够利用GPU资源加速处理过程。
如谷歌所说,有了这样的系统并不仅仅意味着开发者能够将其构建的模型更快的应用到产品中,而且还能够实验不同的算法和模型,并且仍保持稳定的结构。开发者还能够基于新的数据改善模型或者其输出,而架构的其它部分仍保持稳定。
谷歌表示,TensorFlow Serving采用C++编写,为性能做有优化,在16核至强设备上,每核每秒能够处理超过10万个请求。当前TensorFlow Serving的code以及教程已经能够在GitHub获取到。
如TensorFlow这样的项目更易于构建机器学习算法,并为某些特定类型的数据输入做适应学习,而TensorFlow Serving则专注于让这些模型能够加入到产品环境中。开发者使用TensorFlow构建模型,然后使用TensorFlow Serving的API从客户端对输入做回应。谷歌同时还表示,TensorFlow Serving能够利用GPU资源加速处理过程。
如谷歌所说,有了这样的系统并不仅仅意味着开发者能够将其构建的模型更快的应用到产品中,而且还能够实验不同的算法和模型,并且仍保持稳定的结构。开发者还能够基于新的数据改善模型或者其输出,而架构的其它部分仍保持稳定。
谷歌表示,TensorFlow Serving采用C++编写,为性能做有优化,在16核至强设备上,每核每秒能够处理超过10万个请求。当前TensorFlow Serving的code以及教程已经能够在GitHub获取到。
相关文章推荐
- 4. Tachyon安装-Tachyon集群模式搭建
- Iptables入门教程
- 国密算法
- lintcode-easy-A+B problem
- 常用函数集合
- 0218 图片的添加
- 今日放映影片api查询代码
- 常用宏
- Python学习之路-Day4
- Java线程(六):线程池
- 关闭防火墙
- 4. Tachyon安装-Tachyon本地模式搭建
- android程序自动更新安装详解
- Centos+Sersync+inotify实时同步数据文件(一)
- ubuntu lua安装
- rsync服务器简介与配置
- 第三章 类文件结构与javap的使用
- 数字签名
- Android实战技巧:ViewStub的应用
- BatteryManager--获取电量