0 背景
在之前的文章中,我们完整地介绍了如何安装tensorflow服务,并成功通过grpc接口进行调用。实际使用过程中,可能需要同时提供多个不同类型的模型,以及模型的不同版本,因此本文对该方法的实现做一介绍
系列文章目录
(一)TensorFlow Serving系列之安装及调用方法
(二)TensorFlow Serving系列之导出自己的训练模型
(三)TensorFlow Serving系列之客户端gRPC调用
(四)TensorFlow Serving系列之gRPC基本知识
(五)TensorFlow Serving系列之源码安装服务
(六)TensorFlow Serving系列之多模型多版本控制
1 多模型配置
之前介绍的服务模型的方法是给tensorflow_serving_model指定--model_name和--model_base_path两个参数,如下所示
tensorflow_model_server --port=8500 --model_name=detection --model_base_path=$(pwd)/detection
但是,如果是想要提供多个模型,或者设置新版本的轮询频率之类的选项,则需要通过编写配置文件的方式来实现,然后使用--model_config_file来指定配置文件的路径,配置文件的基本写法如下所示
model_config_list {
config {
name: 'my_first_model'
base_path: '/path/to/my_first_model/'
}
config {
name: 'my_second_model'
base_path: '/path/to/my_second_model/'
}
}
有两种方法可以重新加载配置文件:
- 可通过指定--model_config_file_poll_wait_seconds选项来指定轮询此配置文件的时间
- 通过向服务器发出HandleReloadConfigRequest RPC调用来以编程方式提供新的配置
2 多版本设置
通过上述方法,我们实现了提供不同名称的模型,但服务默认只会读取最大版本号的版本,实际上我们可以提供不同版本的模型,比如可提供测试版、稳定版等不同类型的,实现版本控制,要实现此方法,需要在上述配置文件中的config选项中增加model_version_policy设置
2.1 指定某个版本
要提供特定版本的模型,而不是总是读取最大版本号的模型,则应该在model_version_policy中设置specific为要提供的版本号,比如我们要给第一个模型投放编号为3的版本,而将第二个模型的所有版本都投放出来
model_config_list {
config {
name: 'my_first_model'
base_path: '/path/to/my_first_model/'
model_version_policy {
specific {
versions: 3
}
}
}
}
2.2 提供多个版本
如果要同时提供模型的多个版本,比如编号为2和编号为3的版本,则将specific设置为多个版本号即可
model_config_list {
config {
name: 'my_first_model'
base_path: '/path/to/my_first_model/'
model_version_policy {
specific {
versions: 2
versions: 3
}
}
}
}
但从用户的角度来说,用户没必要知道模型版本号是什么,而只需要加载一个特定名字的版本即可,比如加载稳定版stable、临时版canary等名字,这时候就需要给这些模型版本设置别名,比如
model_config_list {
config {
name: 'my_first_model'
base_path: '/path/to/my_first_model/'
model_version_policy {
specific {
versions: 2
versions: 3
}
}
version_labels {
key: 'stable'
value: 2
}
version_labels {
key: 'canary'
value: 3
}
}
}
这样用户就只需要定向到stable或canary版本即可,而并不关心具体对应的是哪个版本号,这样做还有一个好处就是可以在不通知用户的情况下向前移动标签,比如说版本3测试稳定后,可以升级为稳定版本,则只需要将stable对应的value改为3即可。同样地,如果需要版本回滚,则只需要将value修改为之前的版本即可
3 客户端调用
服务端提供了多种模型版本后,客户端可以指定要请求哪个版本的服务,如果使用grpc接口请求,则在request部分指定version.value即可,例如
request = predict_pb2.PredictRequest()
request.model_spec.name = "detection"
request.model_spec.version.value = 1
request.model_spec.signature_name = "serving_default"