Steps Keras モデルを TensorFlow Serving が扱えるフォーマットに変換する TensorFlow Serving をローカルで実行する 画像を前処理、TensorFlow Serving と通信するサービスを構築する これらのモデルを Kubernetes 上にデプロイする 次に Kubeflow を使用し、より簡単にデプロイできるようにする。 KFServing を使用したモデルのサービング 画像の前処理のための transformer と 予測のための後処理 saved_model フォーマットへの変換 Keras でトレーニングしたモデルは h5 という形式で保存されているので、 saved_model というフォーマットに変換する。 # model_converter.py import tensorflow as tf from tensorflow import keras model = keras.models.load_model('/path/to/model.h5') tf.saved_model.save(mod...

やりたいこと venv で作成した仮想環境で Jupyter を使いたい ➜ python3 -m venv env ➜ source ./env/bin/activate ➜ pip install ipykernel ➜ python -m ipykernel install --name test-env ➜ jupyter kernelspec list ... test-env /usr/local/share/jupyter/kernels/test-env pandas はインストールしてないので使えない: ➜ pip install pandas 使えるようになる: ...

SageMaker の Notebook から DataFrame を CSV にして S3 に保存する。 import pandas as pd import boto3 from sagemaker import get_execution_role role = get_execution_role() bucket = 'BUCKET_NAME' df = pd.DataFrame([1,2,3,4]) data_location = 's3://{}/results/test.csv'.format(bucket) df.to_csv(data_location, index=False) ...

ES Modules == ESM CommonJS Modules == CJS ESM では以下のようにモジュールを読み込める: import { foo } from 'bar' CJS の場合は: const { foo } = require('foo') 両者の違い: ESM CJS ブラウザ互換 Node.js default で Strict not Strict Async Sync Node.js で実行する場合、まず拡張子でどちらのモジュールシステムが使われているかが判定される : // foo.cjs console.log(typeof module); // object // foo.mjs console.log(typeof module); // undefined あるいは package.json の type フィールドで指定も可能: // package.json { ... "type": "commonjs" ... } // foo.js console.log(typeof modul...

hello, world const fn = () => 'hello' ...