TensorFlow Serving：在运行时更新 model_config（添加额外模型）

Question

我正忙于配置 TensorFlow Serving 客户端，该客户端要求 TensorFlow Serving 服务器针对给定模型对给定输入图像进行预测。

如果请求的模型尚未提供，则会从远程 URL 下载到服务器模型所在的文件夹。（客户这样做）。此时我需要更新model_config并触发服务器重新加载它。

此功能似乎存在（基于https://github.com/tensorflow/serving/pull/885和https://github.com/tensorflow/serving/blob/master/tensorflow_serving/apis/model_service.proto#L22） ，但我找不到有关如何实际使用它的任何文档。

我本质上是在寻找一个 python 脚本，我可以用它从客户端触发重新加载（或者以其他方式配置服务器以侦听更改并触发重新加载本身）。

Answer 1

所以我花了很长时间浏览拉取请求，最终找到了一个代码示例。对于下一个和我有同样问题的人，这里有一个如何做到这一点的例子。（tensorflow_serving package为此您需要; pip install tensorflow-serving-api）。

基于此拉取请求（在撰写本文时尚未被接受并因需要审查而关闭）：https : //github.com/tensorflow/serving/pull/1065

from tensorflow_serving.apis import model_service_pb2_grpc
from tensorflow_serving.apis import model_management_pb2
from tensorflow_serving.config import model_server_config_pb2

import grpc

def add_model_config(host, name, base_path, model_platform):
  channel = grpc.insecure_channel(host) 
  stub = model_service_pb2_grpc.ModelServiceStub(channel)
  request = model_management_pb2.ReloadConfigRequest() 
  model_server_config = model_server_config_pb2.ModelServerConfig()

  #Create a config to add to the list of served models
  config_list = model_server_config_pb2.ModelConfigList()       
  one_config = config_list.config.add()
  one_config.name= name
  one_config.base_path=base_path
  one_config.model_platform=model_platform

  model_server_config.model_config_list.CopyFrom(config_list)

  request.config.CopyFrom(model_server_config)

  print(request.IsInitialized())
  print(request.ListFields())

  response = stub.HandleReloadConfigRequest(request,10)
  if response.status.error_code == 0:
      print("Reload sucessfully")
  else:
      print("Reload failed!")
      print(response.status.error_code)
      print(response.status.error_message)


add_model_config(host="localhost:8500", 
                    name="my_model", 
                    base_path="/models/my_model", 
                    model_platform="tensorflow")