Question

我目前正在应对以可扩展方式为我的tensorflow模型提供服务的挑战。据我所知，推荐的解决方案是使用标准TensorFlow ModelServer。通用需求可以很好地处理-但我想要更多。我想通过解析“ limit”之类的参数来定义前n个logit +要返回的概率来减少数据传输量。

在研究过程中，我确定了以下解决方案：

1）在模型构建过程中创建一个更高级的SignatureDef。

2）使用上述功能来自定义基本的tensorflow/serving项目。

3）使用标准Tensorflow Modelserver服务模型，并构建后处理服务以重构resp。以预定义的方式过滤结果。

比我更有经验的人可以详细介绍我的问题吗？ -代码段或链接会很棒。

谢谢。

Answer 1

您的解决方案编号3，

”使用标准Tensorflow Modelserver服务模型并构建一个后处理服务以重组resp。将结果过滤到预定义的方式。”

应该是最好的。

链接和代码段：如果我们考虑使用TF服务的MNIST示例，则“保存的模型”的链接为https://github.com/tensorflow/serving/blob/87e32bb386f156fe208df633c1a7f489b57464e1/tensorflow_serving/example/mnist_saved_model.py，

，客户端代码的链接为https://github.com/tensorflow/serving/blob/87e32bb386f156fe208df633c1a7f489b57464e1/tensorflow_serving/example/mnist_client.py。

如果需要前n个预测的值，可以在客户端文件中调整函数代码_create_rpc_callback，如下所示。

def _create_rpc_callback(label, result_counter):
  """Creates RPC callback function.

  Args:
    label: The correct label for the predicted example.
    result_counter: Counter for the prediction result.
  Returns:
    The callback function.
  """
  def _callback(result_future):
    """Callback function.

    Calculates the statistics for the prediction result.

    Args:
      result_future: Result future of the RPC.
    """
    exception = result_future.exception()
    if exception:
      result_counter.inc_error()
      print(exception)
    else:
      sys.stdout.write('.')
      sys.stdout.flush()
      response = numpy.array(result_future.result().outputs['scores'].float_val)
      print('Top 4 responses = ', response[0:4])

最后一行的print语句将显示前4个预测。

tensorflow /服务与前n个logits返回

1 个答案: