Python深度学习推理核心是加载模型、预处理输入、执行预测和封装部署：需适配PyTorch/.pt、TensorFlow/SavedModel、ONNX格式；预处理须严格复现训练逻辑；支持单样本与批量推理；推荐FastAPI轻量服务化，全局加载模型并加异常处理。
用Python做深度学习推理，核心是把训练好的模型变成能实际处理新数据的工具。重点不在重新训练，而在加载、预处理、预测和封装部署这几个环节。
模型加载与格式适配
不同框架训练的模型保存格式不同，推理前要确认加载方式：
- PyTorch常用.pt或.pth文件，用torch.load()加载后需调用model.eval()并关闭梯度；
- TensorFlow/Keras通常保存为SavedModel目录或.h5文件，用tf.keras.models.load_model()直接加载；
- ONNX是跨平台通用格式，适合部署到非Python环境，可用onnxruntime加载，性能稳定且轻量。
输入预处理必须对齐训练逻辑
预测出错常因预处理不一致。不是“差不多”，而是要完全复现训练时的变换流程：
- 图像任务：统一尺寸（如224×224）、归一化（例如mean=[0.485,0.456,0.406], std=[0.229,0.224,0.225]）、通道顺序（RGB还是BGR）；
- 文本任务：分词器（Tokenizer）版本、padding长度、是否截断、特殊token添加方式都得和训练时一致；
- 建议把预处理逻辑封装成独立函数，和模型一起保存或写进文档，避免临时手写出错。
单次预测与批量推理的写法差异
本地调试常用单样本，但上线必须支持批量，写法有关键区别：
立即学习“Python免费学习笔记（深入）”；
- PyTorch中确保输入是torch.Tensor且维度正确（如[1, C, H, W]单图 vs [N, C, H, W]批量）；
- TensorFlow中注意model.predict()自动处理batch，但自定义model(x)调用时需保证输入shape合法；
- ONNX Runtime用session.run()，输入是字典（key为input name），值为numpy array，batch size由第一个维度决定。
轻量部署：Flask/FastAPI + 模型服务化
快速验证或小流量场景，用Web API封装最实用：
- 选FastAPI而非Flask——自动校验请求体、生成接口文档、异步支持更好；
- 模型加载放在全局或lifespan事件里，避免每次请求都重载；
- 接收base64图像或JSON文本，内部转成tensor/numpy，预测后返回结构化JSON；
- 加简单日志和异常捕获（如try/except处理无效输入），别让一个坏请求拖垮整个服务。
不复杂但容易忽略。推理不是“跑通就行”，而是让模型在真实数据上稳、准、快。
