1949啦网--小小 痛苦,是因为能力和欲望不匹配造成的

tensorflow serving tfx docker 部署和requests.post使用教程(三)

1.使用models/maimai/versions/5的示例如下:

import json  data = json.dumps({"signature_name": "serving_default", "instances": train_x[0:2].tolist()})  '''  data = json.dumps(        {          "signature_name": "serving_default",           "inputs":{                      "lstm_4_input":train_x[0:2].tolist(),                   }        }  )  '''  print('Data: {} ... {}'.format(data[:50], data[len(data)-52:]))    #out:Data: {"signature_name": "serving_default", "inputs": {" ... 13464355, 1.57715904712677, -0.5041743516921997]]]}}    import requests  headers = {"content-type": "application/json"}  json_response = requests.post('http://101.132.96.35:8501/v1/models/maimai/versions/5:predict', data=data, headers=headers)  #predictions = json.loads(json_response.text)['predictions']  predictions = json.loads(json_response.text)    print(predictions)    #out:{'outputs': [[1.0228374], [1.00419593]]}



2.使用models/stylegan的示例代码如下:

import numpy as np    tn_style_block = 5    tlatent_dim = 100  tz1 = np.random.normal(0, 1, size=(1, 1, tlatent_dim))  tz2 = np.random.normal(0, 1, size=(1, 1, tlatent_dim))    tnoise = np.random.normal(0, 1, [len(tz1), 64, 64])    tn_z1 = 1  tinputs = [  np.ones((len(tz1), 1)),  np.concatenate(  (tz1.repeat(tn_z1, axis=1),  np.repeat(tz2, tn_style_block - tn_z1, axis=1)),  axis=1  ),  tnoise,  ]  print(tinputs[0].shape)  print(tinputs[1].shape)  print(tinputs[2].shape)    #out:(1, 1)  #out:(1, 5, 100)  #out:(1, 64, 64)    import json  data = json.dumps(  {  "signature_name": "serving_default",  "inputs":{  "ones":tinputs[0].tolist(),  "noise":tinputs[2].tolist(),  "z":tinputs[1].tolist()  }  }  )  #print(data)    import requests  from matplotlib import pyplot as plt    headers = {"content-type": "application/json"}  json_response = requests.post('http://101.132.96.35:8501/v1/models/stylegan:predict', data=data, headers=headers)  predictions = json.loads(json_response.text)['outputs']  #predictions = json.loads(json_response.text)    print(predictions)    outputs = np.array(predictions)  img = np.squeeze(outputs)  img = ((img + 1.0) * 127.5).astype(np.uint8)  plt.imshow(img)    #out:[[[[-0.73119241, -0.666095853, -0.674581647], 。。。。  #out:<matplotlib.image.AxesImage at 0x7f1b54851d10>



版权声明:本文为期权记的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://www.qiquanji.com/post/13968.html

微信扫码关注

更新实时通知

作者:xialibing 分类:编程小记 浏览: