Question

我想将TensorFlow服务用于自定义模型（没有预先训练的起点）。

我使用Docker通过TensorFlow服务教程的前Kubernetes部分，使用Docker：http://tensorflow.github.io/serving/serving_inception

我（大致）理解Bazel编译是一切工作的核心。但我想了解predict_pb2生成的tensorflow_serving.apis是如何工作的，以便我可以交换我自己的自定义模型。

要清楚，这就是main目前的inception_client.py内容：

def main(_):
  host, port = FLAGS.server.split(':')
  channel = implementations.insecure_channel(host, int(port))
  stub = prediction_service_pb2.beta_create_PredictionService_stub(channel)
  # Send request
  with open(FLAGS.image, 'rb') as f:
    # See prediction_service.proto for gRPC request/response details.
    data = f.read()
    request = predict_pb2.PredictRequest()
    request.model_spec.name = 'inception'
    request.model_spec.signature_name = 'predict_images'
    request.inputs['images'].CopyFrom(
        tf.contrib.util.make_tensor_proto(data, shape=[1]))
    result = stub.Predict(request, 10.0)  # 10 secs timeout
    print(result)

https://github.com/tensorflow/serving/blob/65f50621a192004ab5ae68e75818e94930a6778b/tensorflow_serving/example/inception_client.py#L38-L52

我很难解压缩和调试predict_pb2.PredictRequest()正在做的事情，因为它是由Bazel生成的。但我想重新指出一个完全不同的，保存的模型，以及它自己的.pb文件等。

如何引用其他已保存的模型？

Answer 1

PredictionService，定义为here，是gRPC API服务定义，它声明了服务器将响应的RPC函数。从这个原型开始，bazel / protoc可以生成将在服务器和客户端链接的代码（您提到的predict_pb2）。

服务器扩展自动生成的服务here，并为每个函数提供实现。

Python客户端使用提供的predict_pb2并使用它来构建请求并使用正确的API发送RPC。

predict_pb2.PredictRequest()是一个PredictRequest proto定义here，它是Predict（）API调用的请求类型（请参阅上面链接的PredictService Proto定义）。代码的那一部分只是构建一个请求，result = stub.Predict(request, 10.0)是实际发送请求的地方。

为了使用不同的模型，您只需要将ModelSpec的模型名称更改为您的模型。在上面的示例中，服务器加载了名为“inception”的iception模型，因此客户端使用request.model_spec.name = 'inception'查询它。要改用模型，只需将名称更改为模型名称即可。请注意，您可能还需要将signature_name更改为自定义名称，或者将其完全删除以使用默认签名（假设已定义）。

TensorFlow服务于自定义模型

1 个答案: