Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# TensorFlow Servir
<a name="tutorial-tfserving"></a>

[TensorFlow ](https://www.tensorflow.org/tfx/guide/serving)Serving est un système de diffusion flexible et performant pour les modèles d'apprentissage automatique.

`tensorflow-serving-api`Il est préinstallé avec un seul cadre DLAMI. Pour utiliser Tensorflow Serving, activez d'abord l' TensorFlow environnement.

```
$ source /opt/tensorflow/bin/activate
```

Utilisez ensuite votre éditeur de texte préféré pour créer un script avec le contenu suivant. Nommez-la `test_train_mnist.py`. Ce script est référencé à partir du [ TensorFlow didacticiel ](https://github.com/tensorflow/docs/blob/master/site/en/tutorials/quickstart/beginner.ipynb) qui entraînera et évaluera un modèle d'apprentissage automatique par réseau neuronal qui classe les images.

```
import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
```

À présent, exécutez le script en transmettant en paramètres l'emplacement et le port du serveur ainsi que le nom de fichier de la photo du husky.

```
$ /opt/tensorflow/bin/python3 test_train_mnist.py
```

 Soyez patient, car le script peut prendre un certain temps avant de fournir une sortie. Une fois la formation terminée, vous devriez voir ce qui suit : 

```
I0000 00:00:1739482012.389276    4284 device_compiler.h:188] Compiled cluster using XLA!  This line is logged at most once for the lifetime of the process.
1875/1875 [==============================] - 24s 2ms/step - loss: 0.2973 - accuracy: 0.9134 
Epoch 2/5
1875/1875 [==============================] - 3s 2ms/step - loss: 0.1422 - accuracy: 0.9582
Epoch 3/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.1076 - accuracy: 0.9687
Epoch 4/5
1875/1875 [==============================] - 3s 2ms/step - loss: 0.0872 - accuracy: 0.9731
Epoch 5/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.0731 - accuracy: 0.9771
313/313 [==============================] - 0s 1ms/step - loss: 0.0749 - accuracy: 0.9780
```

## Autres exemples et fonctions
<a name="tutorial-tfserving-project"></a>

Si vous souhaitez en savoir plus sur TensorFlow Serving, consultez le [ TensorFlow site Web](https://www.tensorflow.org/serving/).