在其他语言环境中使用来自 TensorFlow 的深度学习模型
Using deep learning models from TensorFlow in other language environments
我有相当多的 TensorFlow 经验，我即将开始一个项目，最终将在 C# 生产环境中使用经过 TensorFlow 训练的模型。本质上，我将拥有将进入 C# 环境的实时数据，我最终需要根据我在 TensorFlow 中的模型输出做出决策/采取某些行动。这基本上只是现有基础设施的限制。
我能想到几个可能不好的实现方法，例如将数据写入磁盘然后调用应用程序的 Python 部分，最后读取 Python 应用程序并根据它采取一些行动。但是，这很慢。
是否有更快的方法来实现 C# 和基于 Python 的 Tensorflow 之间的相同集成关系。我看到 there appear to be some ways 可以用 C++ 和 TensorFlow 做到这一点，但是 C# 呢？
这是 TensorFlow Serving, which lets you create a C++ process that can run inference on a trained TensorFlow model, and serves inference requests over gRPC. You can write client code in any language that gRPC supports. Take a look at the MNIST tutorial: C++ server and Python client 个组件的主要用例。
我有相当多的 TensorFlow 经验，我即将开始一个项目，最终将在 C# 生产环境中使用经过 TensorFlow 训练的模型。本质上，我将拥有将进入 C# 环境的实时数据，我最终需要根据我在 TensorFlow 中的模型输出做出决策/采取某些行动。这基本上只是现有基础设施的限制。
我能想到几个可能不好的实现方法，例如将数据写入磁盘然后调用应用程序的 Python 部分，最后读取 Python 应用程序并根据它采取一些行动。但是，这很慢。
是否有更快的方法来实现 C# 和基于 Python 的 Tensorflow 之间的相同集成关系。我看到 there appear to be some ways 可以用 C++ 和 TensorFlow 做到这一点，但是 C# 呢？
这是 TensorFlow Serving, which lets you create a C++ process that can run inference on a trained TensorFlow model, and serves inference requests over gRPC. You can write client code in any language that gRPC supports. Take a look at the MNIST tutorial: C++ server and Python client 个组件的主要用例。