本文来自于csdn，本文主要介绍了用户增长组基于TensorflowServing在深度学习线上预估的探索，对性能问题的定位、分析、解决.随着深度学习在图像、语言、广告点击率预估等各个领域不断发展，很多团队开始探索深度学习技术在业务层面的实践与应用。而在广告CTR预估方面，新模型也是层出不穷：WideandDeep[1]、DeepCrossNetwork[2]、DeepFM[3]、xDeepFM[4]，美团很多篇深度学习博客也做了详细的介绍。但是，当离线模型需要上线时，就会遇见各种新的问题：离线

本文来自于csdn，本文主要介绍了用户增长组基于TensorflowServing在深度学习线上预估的探索，对性能问题的定位、分析、解决. 随着深度学习在图像、语言、广告点击率预估等各个领域不断发展，很多团队开始探索深度学习技术在业务层面的实践与应用。而在广告CTR预估方面，新模型也是层出不穷： WideandDeep[1]、DeepCrossNetwork[2]、DeepFM[3]