# TF 服務：生產中的 TensorFlow 模型 TensorFlow 模型在開發環境中經過訓練和驗證。一旦發布，它們需要托管在某個地方，提供用工程師和軟件工程師使用，以集成到各種應用中。 TensorFlow 為此提供了一個高表現服務器，稱為 TensorFlow 服務。 要在生產中提供 TensorFlow 模型，需要在離線訓練后保存它們，然后在生產環境中恢復經過訓練的模型。 TensorFlow 模型在保存時包含以下文件： * **元圖**：元圖表示圖的協議緩沖區定義。元圖保存在具有`.meta`擴展名的文件中。 * **checkpoint** ：檢查點代表各種變量的值。檢查點保存在兩個文件中：一個帶有`.index`擴展名，另一個帶有`.data-00000-of-00001`擴展名。 在本章中，我們將學習各種保存和恢復模型的方法以及如何使用 TF 服務來提供模型。我們將使用 MNIST 示例來簡化操作并涵蓋以下主題： * 使用`Saver`類在 TensorFlow 中保存和恢復模型 * 保存和恢復 Keras 模型 * TensorFlow 服務 * 安裝 TF 服務 * 保存 TF 服務的模型 * 用 TF Serving 服務模型 * TF 在 Docker 容器中提供服務 * TF 服務于 Kubernetes