tensorflow-serving - 磁盘上存在 3 个版本的模型的 Tensorflow 服务,但只有最新版本可用

标签 tensorflow-serving

我正在使用 --model_config_file 选项运行 tensorflow_model_server(使用 apt-get 安装的版本 1.8.0)。

我的配置文件是这样的:

model_config_list: {
  config: {
    name: "MyModelName",
    base_path: "<path to model>/MyModelName"
    model_platform: "tensorflow"
  }
}

在 MyModelName 目录中有模型的 3 个版本(目录 1、2 和 3)。

当我启动模型服务器时,我可以看到版本 3 可用,我可以通过服务客户端访问它,无需指定版本(因此假定为最新版本)或特别要求版本 3。

如果我尝试并特别要求模型的版本 2,请求将失败并显示错误消息“找不到可服务的请求:特定(MyModelName,2)”。

是否可以通过 tensorflow_model_server 命令行选项或我的模型配置文件的内容使磁盘上存在的所有模型版本都可供使用?

最佳答案

我正在尝试解决同样的问题。如果您看到 ModelConfig定义,有一个字段叫model_version_policy类型 FileSystemStoragePathSourceConfig.ServableVersionPolicy .所以理想情况下,如果您像这样在配置中设置此字段:

model_config_list: {
  config: {
    name: "MyModelName",
    base_path: "<path to model>/MyModelName"
    model_platform: "tensorflow",
    model_version_policy: {all: {}}
  }
}

然后您应该能够更改版本策略以加载所有可用版本。

参见 this github 问题以获取更多信息。

关于tensorflow-serving - 磁盘上存在 3 个版本的模型的 Tensorflow 服务,但只有最新版本可用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50877939/

相关文章:

tensorflow-serving - 操作类型未注册 'SentencepieceEncodeSparse' 二进制

cors - tensorflow_model_server Access-Control-Allow-Origin

kubernetes - 如何使用 Google Compute Engine Instances 设置 Tensorflow 集群来训练模型?

python - Tensorflow 服务重新训练开始

docker - docker如何运行tensorflow-serving及其模型?

docker - 有自定义操作时如何使用docker image tensorflow/serving服务tensorflow模型?

python - ValueError : Cannot feed value of shape () for Tensor 'input_example_tensor:0' , 其形状为 '(?,)'

python - 如何保持查找表的初始化以进行预测(而不仅仅是训练)?

tensorflow - 如何使用 tensorflow Protocol Buffer 编译器从 .proto 文件正确重新生成 python .pb2.py 文件?