【仅供参考】生产环境中的模型部署资源汇总
点击上方“机器学习与生成对抗网络”，关注星标
获取有趣、好玩的前沿干货！
Author：louwill Machine Learning Lab
作为深度学习算法工程师，除了日常炼丹之外，也需要具备让练好的丹发挥作用的能力。具体的来说，就是需要大家具备一定的模型部署的工程化能力。
今天笔者就给大家推荐一个关于深度学习模型部署和工程化实现的GitHub仓库。在这个资源库中，作者分享了大量关于在生产中部署基于深度学习的模型的有用说明和参考资料。
仓库名为【Deep-Learning-in-Production】，意为生产环境下的深度学习，旨在分享和帮助大家学会常用的深度学习模型部署技能。
仓库作者ahkarami为大家整理和提供了大量模型部署的学习资料和相关链接。主要包括生产环境下PyTorch模型转换、PyTorch模型转为C++模型、生产环境下TensorFlow模型转换、生产环境下Keras模型转换、生产环境下MXNet模型转换、基于Go语言的机器学习模型部署、通用深度学习模型部署工具箱、前端UI设计资源、移动端和嵌入式模型部署、后端开发部分、基于Python的代码优化和加速等。
生产环境下PyTorch模型转换：
PyTorch模型转为C++模型：
基于Go语言的机器学习模型部署：
基于Python的代码优化和加速：
仓库地址：
https://github.com/ahkarami/Deep-Learning-in-Production
对深度学习模型部署感兴趣的朋友，抓紧时间fork一波~
猜您喜欢：
附下载 |《TensorFlow 2.0 深度学习算法实战》
评论