【发布时间】：2019-05-06 07:10:26
【问题描述】：
如何在云中部署张量流模型，该模型可以在作为输入时学习和更新权重。由于我看到的大多数部署方法都涉及模型冻结，这也意味着冻结权重。有可能还是后者是唯一的方法？
【问题讨论】：
标签： tensorflow keras tensorflow-serving
【发布时间】：2019-05-06 07:10:26
【问题描述】：
冻结模型是最紧凑的形式，让您拥有一个较小的推理节点，您可以调用它来进行预测，并且只需要执行此操作所需的信息。
如果您想拥有和建模并使其可用于在线学习并进行推理，那么您可以拥有所有图表，并加载最新的权重。为了安全起见，不时保存重量。当然，你可以有两个程序，一个用于推断最新的冻结模型，另一个用于不时启动新的训练，使用最后保存的权重。我向您推荐第二种选择。希望对您有所帮助！
【讨论】：