开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术
AR与VR
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
信息服务
智能园区

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