将TensorFlow模型部署到RStudio Connect中英格兰vs伊朗让球

建筑模型

我们要做的第一件事是建立我们的模型。我们将使用Keras API来构建这个模型。

我们将使用MNIST数据集来构建我们的模型。

图书馆(keras)图书馆(tensorflow)mnist < -dataset_mnist（）mnist＄火车＄x < -(mnist＄火车＄x/255）% > %array_reshape(。昏暗的=c（昏暗的(。)1）)mnist＄测验＄x < -(mnist＄测验＄x/255）% > %array_reshape(。昏暗的=c（昏暗的(。)1）)

现在，我们将定义Keras模型，它将是一个简单的卷积神经网络。

模型< -keras_model_sequential（）% > %layer_conv_2d（过滤器=16，kernel_size =c（3.，3.)，激活=“relu”）% > %layer_max_pooling_2d（pool_size =c（2，2）)% > %layer_conv_2d（过滤器=16，kernel_size =c（3.，3.)，激活=“relu”）% > %layer_max_pooling_2d（pool_size =c（2，2）)% > %layer_flatten（）% > %layer_dense（单位=128，激活=“relu”）% > %layer_dense（单位=10，激活=“softmax”）模型% > %编译（损失=“sparse_categorical_crossentropy”，优化器=“亚当”，指标=“准确性”）

接下来，我们使用MNIST数据集拟合模型:

模型% > %适合（x =mnist＄火车＄x,y =mnist＄火车＄y,batch_size =32，时代=5，validation_sample =0.2，verbose =2）

##训练60000样本## Epoch 1/5 ## 600000 /60000 - 16s -损失:0.1834 -精度:0.9454 ## Epoch 2/5 ## 600000 /60000 - 15s -损失:0.0585 -精度:0.9815 # Epoch 3/5 ## 600000 /60000 - 15s -损失:0.0409 -精度:0.9874 # Epoch 4/5 ## 600000 /60000 - 15s -损失:0.0316 -精度:0.9902 # Epoch 5/5 ## 600000 /60000 - 16s -损失:0.0255 -精度:0.9920

当我们对验证数据集中的模型准确性感到满意时，我们就可以评估测试数据集上的结果如下:

模型% > %评估（x =mnist＄测验＄x,y =mnist＄测验＄y,verbose =0）

# # # #[1]美元损失精度0.03205821 # # # # # # 0.9886 [1]

好的，我们在测试数据集上有99%的准确率，我们想要部署这个模型。首先，让我们将模型保存在SavedModel格式使用:

save_model_tf(模型中,“cnn-mnist”）

构建并保存了模型之后，我们现在可以开始构建我们的水管工API文件了。

部署到RStudio Con英格兰vs伊朗让球nect

一旦模型被保存为SavedModel格式，就可以用一行代码部署模型:

rsconnect：：deployTFModel（“cnn-mnist /”）

当部署完成时，你将被重定向到浏览器，并带有一些关于如何调用REST端点的说明: