提示:本站收集StackOverFlow近2千万问答，支持中英文搜索，鼠标放在语句上弹窗显示对应的参考中文或英文， 本站还提供 中文繁体 英文版本 中英对照 版本，有任何建议请联系yoyou2525@163.com。
我计划创建一个用于交易的神经网络，我正在研究如何在我的系统在运行时使用的语言（即 C++ 或 C#）中使用经过训练的神经网络。
假设我在 python（或任何其他 nn 框架）中使用 tensorflow，我已经成功地训练了我的具有 n 个隐藏层的神经网络。 那时我有权重和偏差的值。 在这一点上，我想在生产中使用 nn 模型。
在我的理解中，在生产 tensorflow 中运行来运行模型并不是最佳实践，因为它实际上太慢（python）而且很笨重（如果我错了，请纠正我）。
所以我想用 C# 或 C++（或任何其他语言）重新创建 nn 模型，我是否需要根据每个神经元的权重和偏差在代码中重新创建每一层的所有数学？
问题：
像 tensorflow 这样的框架也应该在生产中使用。 Tensorflow 是用高度优化的 C++ 和/或 Cuda 编写的，因此很容易超越你自己编写的任何东西。 tensorflow 还提供了大量用于监控、负载平衡等的内置工具。
如果你在你的机器上运行你的系统，你可以使用任何语言作为包装器。 如果你真的认为你需要对 Python 无法完成的小任务（如预处理等）进行一定程度的优化，只需使用 C++ API for tensorflow。 只需让 tensorflow（或 Torch 或您正在使用的任何生产级 lvl 框架）完成处理神经网络的繁重工作。 对于 99.99% 的任务，Python（使用 numpy、tf、dask 等）都可以。
对于大型应用程序，您可以在 aws/azure/google cloud 等上托管您的模型。它们提供用于托管 tensorflow 模型的优化服务（例如，作为 REST 端点）。 Lambda 函数/Azure 函数可以成为以经济高效且可扩展的方式执行预处理步骤的绝佳工具。
声明：本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
