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