TensorFlow模型

SKIL1.0.3使用TensorFlow C++ API (版本1.4)的自定义JVM绑定，不施加限制。未来版本的SKIL将使用nd4j中的samediff功能来执行导入的模型。

从TensorFlow导入
参见导入模型页面。

TensorFlow Word2Vec 支持

如果使用了lookup_embedding函数，那么skil应该能够将模型导入到模型服务器中。

部署的先决条件
为了部署TensorFlow模型，图及其相关权重必须存储在单个pb文件中。使用tensorflow.python.tools下提供的freeze_graph.pyscript可以“冻结”TensorFlow模型。
freeze_graph可以在命令行上运行，也可以在python脚本中运行。它需要一个图形定义和一组检查点，并将它们冻结在一个文件中，然后在skil中单击几下就可以部署这些文件。

~/tensorflow/bazel-bin/tensorflow/python/tools/freeze_graph \
  --input_graph=graph_definition.pbtxt \
  --output_graph=file_for_frozen_model.pb \
  --input_checkpoint=saved_ckpt \
  --output_nodes_names=output_node_name