我在服务器上运行不同神经网络模型的训练。我可以通过 Tensorboard、权重和偏差等 GUI 工具查看模型状态和指标。但我需要制作 REST API 以通过我的个人前端页面监控模型。此类任务的最佳解决方案是什么？当然，我可以将指标写入磁盘或数据库，然后在另一个线程中读取它，但它看起来有点难看。我不明白如何组织模型的培训师和后端之间的交流。
【问题讨论】：
标签： python tensorflow pytorch devops fastapi
您可以简单地以广播模式启动 Tensorboard。这将允许您在网络中的其他系统上打开它。不要尝试自己为此任务编写 REST api。
更新：
根据您的评论，您需要做两件事：
使用 POST 方法编写一个 REST api，该方法采用您需要保存的适当值。用值调用它，会将它们保存到 tensorflow 之外的某个数据库或文件系统中。
通过继承 tf.keras.callbacks.Callback 为 tensorflow 编写自定义回调类，以在训练、测试或预测时调用上一步中编写的 POST 方法。在 pytorch 的情况下，因为它是由运行哲学定义的，你可以像普通类一样编写自定义回调，并在你想要调用 POST 方法的任何阶段使用它们。
【讨论】：