مدل های سرویس دهی
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
معرفی
TensorFlow Serving یک سیستم خدمت رسانی انعطاف پذیر و با کارایی بالا برای مدل های یادگیری ماشین است که برای محیط های تولید طراحی شده است. TensorFlow Serving اجرای الگوریتم‌ها و آزمایش‌های جدید را آسان می‌کند، در حالی که همان معماری سرور و APIها را حفظ می‌کند. سرویس TensorFlow یکپارچه سازی خارج از جعبه با مدل های TensorFlow را فراهم می کند، اما می تواند به راحتی برای ارائه انواع مدل ها و داده های دیگر گسترش یابد.
مستندات توسعه‌دهنده دقیق در سرویس TensorFlow در دسترس است:
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# Serving Models\n\n\u003cbr /\u003e\n\nIntroduction\n------------\n\nTensorFlow Serving is a flexible, high-performance serving system for machine\nlearning models, designed for production environments. TensorFlow Serving makes\nit easy to deploy new algorithms and experiments, while keeping the same server\narchitecture and APIs. TensorFlow Serving provides out-of-the-box integration\nwith TensorFlow models, but can be easily extended to serve other types of\nmodels and data.\n\nDetailed developer documentation on TensorFlow Serving is available:\n\n- [Architecture Overview](https://www.tensorflow.org/tfx/serving/architecture)\n- [Server API](https://www.tensorflow.org/tfx/serving/api_docs/cc/)\n- [REST Client API](https://www.tensorflow.org/tfx/serving/api_rest)"]]
