机器学习PAI的 deeprec 有自己的serving方式么？
机器学习PAI的 deeprec 有自己的serving方式么？ 还是直接用tf serving就可以跑？
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
-
机器学习PAI的DeepRec模块没有自己独立的serving方式，它建议使用TensorFlow Serving来进行模型的部署和Serving。
TensorFlow Serving是一个用于部署经过训练的TensorFlow模型的高性能系统。它提供了一个灵活且可扩展的架构，可以轻松地将训练好的模型部署为可用的API服务。
你可以使用TensorFlow Serving来加载并提供DeepRec模型的推理服务。首先，你需要将DeepRec模型保存为TensorFlow SavedModel格式，然后通过TensorFlow Serving来加载和部署该模型。
TensorFlow Serving支持多种方式进行模型的部署，例如通过RESTful API、gRPC接口或使用Docker容器。你可以根据自己的需求选择适合的方式来进行模型的Serving。
要注意的是，当使用TensorFlow Serving时，你需要确保在模型训练和导出过程中与TensorFlow Serving兼容的版本和配置。
2023-07-31 18:04:24赞同 展开评论 -
我们也提供了Inference的processor 。具体参考：https://deeprec.readthedocs.io/zh/latest/Processor.html 此回答整理自钉群“DeepRec用户群”
2023-07-04 20:57:40赞同 展开评论
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。