如何用 tensorflow serving 部署服务

第一步，读一读这篇博客

https://www.jb51.net/article/138932.htm （浅谈Tensorflow模型的保存与恢复加载）

第二步：

参考博客：

• https://blog.csdn.net/u011734144/article/details/82107610

　　按照上述教程配置好相关文件之后（模型是下面tensorflow-serving中产生的，直接移到textcnnrnn中的）然后再执行下面命令：

首先启动：

ljj@debian:~$ docker run -p 8501:8501   --mount type=bind,source=/home/ljj/serving/tensorflow_serving/servables/tensorflow/testdata/textcnnrnn,target=/models/find_lemma_category -e MODEL_NAME=find_lemma_category -t tensorflow/serving

然后调用：

ljj@debian:~$ curl --tlsv1.2 -d '{"instances": [10,10,10,8,6,1,8,9,1]}'   -X POST http://0.0.0.0:8501/v1/models/find_lemma_category:predict　　

但是出现错误：

{ "error": "instances is a plain list, but expecting list of objects as multiple input tensors required as per tensorinfo_map" }ljj@debian:~$

事故现场：

 

 

 

 

 

 

 

 

 

• https://www.jianshu.com/p/2fffd0e332bc
• https://blog.csdn.net/SEUer_jeff/article/details/75578732
• https://blog.csdn.net/wangjian1204/article/details/68928656

参考教程：

• https://hub.docker.com/r/bitnami/tensorflow-serving

在这个教程中：https://github.com/tobegit3hub/tensorflow_template_application

在Ubuntu中命令应如下

python sparse_classifier.py train_file ./data/cancer/cancer_train.csv.tfrecords validate_file ./data/cancer/cancer_test.csv.tfrecords feature_size 4 label_size 3  enable_colored_log

 python dense_classifier.py train_file ./data/cancer/cancer_train.csv.tfrecords validate_file ./data/cancer/cancer_test.csv.tfrecords feature_size 4 label_size 3  enable_colored_log

使用dense_classifier.py 即可产生checkpoint文件夹,可供后续在http_service中使用rest_server进行调用。但是具体调用浏览器端仍存在数组越界的问题

 

安装一个命令行下使用的文本浏览器便于测试使用

https://www.cnblogs.com/tsdxdx/p/7221132.html

Debian/Ubuntu:   apt-get install w3m w3m-img

Centos:   yum install w3m w3m-img

 

常见问题

 

不再支持export

• • https://www.jianshu.com/p/91aae37f1da6

 

转载于:https://www.cnblogs.com/theWinter/p/10150579.html