Bunu yapmanın farklı yolları vardır. Tamamen, tensorflow kullanımı çok esnek değil, ancak nispeten basittir. Bu yaklaşımın olumsuz tarafı, grafiği yeniden oluşturmanız ve modeli geri yüklediğiniz koddaki değişkenleri başlatmanız gerektiğidir. tensorflow skflow/contrib learn'da daha zarif olan bir yol vardır, ancak bu şu anda işlevsel görünmüyor ve dokümantasyon güncel değil.
GET veya here üzerinde GET veya POST parametrelerini REST uygulamalı tensorflow modeline nasıl adlandırdığınızı gösteren kısa bir örneği bir araya getiriyorum. Ben şişe dinlendirici dosyasında veri/model işleme çok kod koyun sevmiyorum
@app.route('/model', methods=['GET', 'POST'])
@parse_postget
def apply_model(d):
tf.reset_default_graph()
with tf.Session() as session:
n = 1
x = tf.placeholder(tf.float32, [n], name='x')
y = tf.placeholder(tf.float32, [n], name='y')
m = tf.Variable([1.0], name='m')
b = tf.Variable([1.0], name='b')
y = tf.add(tf.mul(m, x), b) # fit y_i = m * x_i + b
y_act = tf.placeholder(tf.float32, [n], name='y_')
error = tf.sqrt((y - y_act) * (y - y_act))
train_step = tf.train.AdamOptimizer(0.05).minimize(error)
feed_dict = {x: np.array([float(d['x_in'])]), y_act: np.array([float(d['y_star'])])}
saver = tf.train.Saver()
saver.restore(session, 'linear.chk')
y_i, _, _ = session.run([y, m, b], feed_dict)
return jsonify(output=float(y_i))
soruları yanıtlamayı deneyin. – chro