@liyonghong 模型的版本没有问题。我在github上看到了一个可能的解释：输出模型中的dropout层在本地预测时和tf-serving上是不一样的。但是您的模型在预测时好像并不会发生这种问题，请问一下有没有源码的github链接可以让我参考一下，谢谢！
在Tensorflow Serving上部署基于LSTM的文本分类模型一些重要的概念 Servables Servables 是客户端请求执行计算的基础对象，大小和粒度是灵活的。 Servables 不会管理自己的运行周期。 典型的Servab...
一些重要的概念 Servables Servables 是客户端请求执行计算的基础对象，大小和粒度是灵活的。 Servables 不会管理自己的运行周期。 典型的Servab...
@liyonghong 问题似乎出在一个双向的LSTM上，在tf-serving和本地上LSTM输入的word embeddings都是一样的，但是输出结果不一样，我不太清楚为什么会出现这种问题
在Tensorflow Serving上部署基于LSTM的文本分类模型一些重要的概念 Servables Servables 是客户端请求执行计算的基础对象，大小和粒度是灵活的。 Servables 不会管理自己的运行周期。 典型的Servab...
@liyonghong 我确定input的dtype与模型输入的dtype是一致的，但是结果还是不一样……
在Tensorflow Serving上部署基于LSTM的文本分类模型一些重要的概念 Servables Servables 是客户端请求执行计算的基础对象，大小和粒度是灵活的。 Servables 不会管理自己的运行周期。 典型的Servab...
你好，我想把一个NER的模型部署到tensorflow-serving上，但是出现了客户端请求结果与本地调用模型的结果不一样的情况，请问有什么可能会导致这个问题呢？谢谢
在Tensorflow Serving上部署基于LSTM的文本分类模型一些重要的概念 Servables Servables 是客户端请求执行计算的基础对象，大小和粒度是灵活的。 Servables 不会管理自己的运行周期。 典型的Servab...
