TensorFlow模型部署主要有以下几种方法：
1. TensorFlow Serving：TensorFlow Serving是一个独立的模型服务器，支持部署在生产环境中。它可以部署训练好的TensorFlow模型，并提供RESTful API和gRPC接口，以便客户端可以通过网络请求进行推理。
2. TensorFlow Lite：TensorFlow Lite是针对移动设备和嵌入式设备的轻量级版本，可以将TensorFlow模型转换为适用于移动设备的格式，并在移动端本地运行。
3. TensorFlow.js：TensorFlow.js是一个用于在浏览器和Node.js中运行TensorFlow模型的库，可以通过JavaScript实现模型的部署。
4. 深度学习框架集成：一些云服务提供商提供了集成TensorFlow模型的服务，可以通过这些服务将模型部署到云端进行推理。
以上是一些常见的TensorFlow模型部署方法，选择适合自己需求的方法进行部署。