Serving Tensorflow Models with a REST API

4.1
Sterne
12 Bewertungen
von
Coursera Project Network
In diesem angeleitetes Projekt werden Sie:

Create and save Tensorflow models as servable objects

Integrate custom functions into servables

Serve TF servables using conforming to REST

Clock2 hours
IntermediateMittel
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

In this project-based course, you will learn step-by-step procedures for serving Tensorflow models with a RESTful API. We will learn to save a Tensorflow object as a servable, deploy servables in Docker containers, as well as how to test our API endpoints and optimize our API response time. I would encourage learners to experiment with the tools and methods discussed in this course. The learner is highly encouraged to experiment beyond the scope of the course. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Kompetenzen, die Sie erwerben werden

TensorflowPython ProgrammingRepresentational State Transfer (REST)

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  1. Define basic terminology

  2. Saving our model in the SavedModel format

  3. Serving the Model: Server Side

  4. Serving the Model: Client Requests

  5. Using Docker for serving

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..