将TensorFlow模型部署到RStudio Connect中英格兰vs伊朗让球
在本教程中,您将学习如何部署TensorFlow模型英格兰vs伊朗让球RStudio连接.英格兰vs伊朗让球RStudio连接使用TensorFlow服务但是它让R用户更容易管理他们的部署。
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:
##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:
# # # #[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: