# 總結 在本章中，我們學習了如何利用 TensorFlow 服務來為生產環境中的模型提供服務。我們還學習了如何使用 TensorFlow 和 Keras 保存和恢復完整模型或選擇模型。我們構建了一個 Docker 容器，并從官方 TensorFlow 服務倉庫中提供了 Docker 容器中的示例 MNIST 示例代碼。我們還安裝了一個本地 Kubernetes 集群，并部署了 MNIST 模型，用于在 Kubernetes pod 中運行的 TensorFlow 服務。我們鼓勵讀者在這些例子的基礎上進行嘗試并嘗試提供不同的模型。 TF 服務文檔描述了各種選項，并提供了其他信息，使您可以進一步探索此主題。 在接下來的章節中，我們將繼續使用遷移學習的高級模型。 TensorFlow 倉庫中提供的預訓練模型是使用 TF 服務練習服務 TF 模型的最佳候選者。我們使用 Ubuntu 軟件包安裝了 TF Serving，但您可能希望嘗試從源代碼構建以優化生產環境的 TF 服務安裝。