我目前正试图通过tensorflow服务提供一个简单的模型,然后我想通过gRRC使用node.js调用它。我觉得最简单的学习/理解方法就是将其分解为最简单的模型。请原谅我的命名,因为我最初使用Mnist教程开始这样做,但我也没有成功。所以名称仍然是mnist,但它只是一个简单的计算实现。
我使用以下代码创建并导出了模型: - 简单模型 -
x = tf.placeholder(tf.float32, shape=(None))
y = tf.placeholder(tf.float32, shape=(None))
three = tf.Variable(3, dtype=tf.float32)
z = tf.scalar_mul(three, x) + y
- 出口 -
model_version = 1
path = os.path.join("mnist_test", str(model_version))
builder = tf.python.saved_model.builder.SavedModelBuilder(path)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
builder.add_meta_graph_and_variables(
sess,
[tf.python.saved_model.tag_constants.SERVING],
signature_def_map = {
"test_mnist_model": tf.saved_model.signature_def_utils.predict_signature_def(
inputs={"xval": x, "yval":y},
outputs={"spam":z})
})
builder.save()
当我运行它时,最后的消息似乎是成功的:
INFO:tensorflow:没有要保存的资产。信息:tensorflow:没有要写的资产。 信息:tensorflow:SavedModel写入:b'mnist_test / 3 / saved_model.pb'
然后我运行tensorflow服务器并通过以下行指向我的模型,服务器声明它在0.0.0.0:9000运行:
../../bazel-bin/tensorflow_serving/model_servers/tensorflow_model_server --model_base_path=mnist_test --model_name=calctest --port=9000
然后我继续设置.proto文件,它包含:
syntax = "proto3";
option java_multiple_files = true;
option java_package = "io.grpc.examples.mnisttest";
option java_outer_classname = "MnistTestProto";
option objc_class_prefix = "MNT";
package mnisttest;
// The greeting service definition.
service Greeter {
// Sends a greeting
rpc test_mnist_model (InputRequest) returns (OutputReply) {}
}
// The request message containing the user's name.
message InputRequest {
float xval = 1;
float yval = 2;
}
// The response message containing the greetings
message OutputReply {
float spam = 1;
}
最后我设置了一个mnistclient.js文件,它在node.js下运行,它包含以下代码:
var grpc = require('grpc')
var PROTO_PATH = __dirname + '/../../protos/mnisttest.proto';
module.exports = (connection) => {
var tensorflow_serving = grpc.load(PROTO_PATH).mnisttest;//.serving;
console.log(tensorflow_serving);
var client = new tensorflow_serving.Greeter(
connection, grpc.credentials.createInsecure()
);
return {
test: () => {
console.log(client);
return client.testMnistModel({xval:5.0,yval:6.0}, function(err, response){
if(err){
console.log("Error: ",JSON.stringify(err));
return {Err: JSON.stringify(err)};
}
console.log('Got message ', response);
});
}
}
};
function main() {
var cli = module.exports('localhost:9000')
cli.test();
}
if( require.main === module){
main();
}
在tf服务器上运行模型,当我在node.js下运行客户端时,我得到以下错误。我也在客户端下打印出信息,但是当我查看错误代码12的含义时,它说明了以下内容:此服务中未实现或不支持/启用操作
我已经有一段时间了,我假设只有一部分我明显失踪了。是否有人能够提供任何见解,为什么我不能让这个简单的调用进入模型工作?
我还没有能够获得TF模型,并且认为采用这种简单的方法会效果最好,但我甚至无法实现这一点。对此有任何帮助将是一个很大的帮助!提前谢谢!
{ InputRequest:
{ [Function: Message]
encode: [Function],
decode: [Function],
decodeDelimited: [Function],
decode64: [Function],
decodeHex: [Function],
decodeJSON: [Function] },
OutputReply:
{ [Function: Message]
encode: [Function],
decode: [Function],
decodeDelimited: [Function],
decode64: [Function],
decodeHex: [Function],
decodeJSON: [Function] },
Greeter: { [Function: Client] service: { testMnistModel: [Object] } } }
Client { '$channel': Channel {} }
Error: {"code":12,"metadata":{"_internal_repr":{}}}
答案 0 :(得分:2)
看起来您已经定义了服务接口proto(mnisttest.proto),这在创建自定义服务器时非常有用。但是,TensorFlow服务模型服务器支持具有已定义端点的服务。换句话说,您正在使用模型服务器上不存在的自定义服务“Greeter”。
请查看Model Server的API /服务:apis/prediction_service.proto。您最有可能想要Predict API:apis/predict.proto。
Predict API使用您在导出时定义的模型签名,因此您需要传入“xval”和“yval”的张量,并获取“垃圾邮件”张量。
希望这有帮助! 谢谢, 诺亚