tensorflow - 如何为 tensorflow 服务准备预热请求文件?

标签 tensorflow tensorflow-serving inference

当前版本的 tensorflow-serving 尝试从 assets.extra/tf_serving_warmup_requests 文件加载预热请求。

2018-08-16 16:05:28.513085: I tensorflow_serving/servables/tensorflow/saved_model_warmup.cc:83] No warmup data file found at /tmp/faster_rcnn_inception_v2_coco_2018_01_28_string_input_version-export/1/assets.extra/tf_serving_warmup_requests



我想知道 tensorflow 是否提供了通用的 api 来将请求导出到该位置?或者我们应该手动向该位置写入请求?

最佳答案

目前还没有将预热数据导出到 assets.extra 中的通用 API。写个脚本比较简单(类似下面):

import tensorflow as tf
from tensorflow_serving.apis import model_pb2
from tensorflow_serving.apis import predict_pb2
from tensorflow_serving.apis import prediction_log_pb2

def main():
    with tf.python_io.TFRecordWriter("tf_serving_warmup_requests") as writer:
        request = predict_pb2.PredictRequest(
            model_spec=model_pb2.ModelSpec(name="<add here>"),
            inputs={"examples": tf.make_tensor_proto([<add here>])}
        )
    log = prediction_log_pb2.PredictionLog(
        predict_log=prediction_log_pb2.PredictLog(request=request))
    writer.write(log.SerializeToString())

if __name__ == "__main__":
    main()

关于tensorflow - 如何为 tensorflow 服务准备预热请求文件?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51980407/

相关文章:

python - 如何使用结构化数据创建 ClassificationRequest 以使用 gRPC 发送到 TensorFlow Serving

android - 适用于 Android 的 Tensorflow 示例

Java Generics Silly Thing(为什么我不能推断类型?)

machine-learning - 粒子过滤器以获得最可能的轨迹

python - 了解具有不同批量大小的 Keras LSTM 模型

python - 属性错误: module 'tensorflow' has no attribute 'enable_eager_execution'

python - tensorflow 中的分类器根据标签大小返回错误

keras 预处理逻辑

python - 继续使用使用 tf.reset_default_graph() 之前创建的张量

c++ - 为什么不从构造函数中推断模板参数?