tensorflow框架API调用文档
所有文档

          BML 全功能AI开发平台

          tensorflow框架API调用文档

          本文档主要说明使用TensorFlow框架训练的模型部署到公有云后获得的API如何使用,如有疑问可以通过以下方式联系我们:

          接口描述

          基于TensorFlow深度学习框架训练出的模型,模型训练完毕,发布到模型仓库并部署到公有云后可获得定制API

          接口鉴权

          1. 在BML-控制台创建应用
          2. 应用列表获取AK/SK

          请求说明

          HTTP 方法:POST

          请求URL: 请首先进行自定义模型训练,完成训练后申请上线,上线成功后可在服务列表中查看并获取url。

          URL参数:

          参数
          access_token 通过API Key和Secret Key获取的access_token,参考“Access Token获取

          Header如下:

          参数
          Content-Type application/json

          Body请求示例:

          {
              "instances": [{
                  # key为保存SavedModel时设置的inputs的key,即模型接收的输入,对应的value须和定义的类型和shape相同,
                  "inputs": []
                  "keep_prob": 1
              }],
              "signature_name": "predict"
          }

          Body中放置请求参数,参数详情如下:

          参数 是否必选 类型 可选值范围 说明
          instances array(object) - 用于预测的数据实例信息
          +{key} array/number - key为保存SavedModel时设置的inputs的key,对应的value须和定义的类型和shape相同,否则预测服务可能返回失败
          +{key2} array/number - key为保存SavedModel时设置的inputs的key,对应的value须和定义的类型和shape相同,否则预测服务可能返回失败
          signature_name string - 保存SavedModel时设置的签名;若保存时未设置,请求时可不传

          返回说明

          返回body示例:

          {
              "log_id": xxx,
              "result": {
                  "predictions": [
                      [2.13782158e-07, 7.51928155e-08, ... ]
                  ]
              }
          }

          返回参数:

          参数 是否必选 类型 可选值范围 说明
          log_id number - 用于排查问题的log id
          result object - 模型的预测结果
          +predictions array - ensorflow模型预测结果,具体结构因模型不同而存在差异
          error_code object - 错误码
          error_msg object - 错误信息
          上一篇
          Paddle框架API调用文档
          下一篇
          Pytorch框架API调用文档