TensorFlow服务：在运行时更新model_config（添加其他模型）

Question

我正在忙于配置一个TensorFlow Serving客户端，该客户端要求TensorFlow Serving服务器针对给定模型在给定输入图像上生成预测。

如果尚未提供所请求的模型，则将其从远程URL下载到服务器模型所在的文件夹中。（客户端执行此操作）。此时，我需要更新model_config和触发服务器以重新加载它。

该功能似乎存在（基于https://github.com/tensorflow/serving/pull/885和https://github.com/tensorflow/serving/blob/master/tensorflow_serving/apis/model_service.proto#L22）
，但是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，该脚本可以触发客户端的重新加载（或者配置服务器以侦听更改并触发重新加载本身）。

Answer 1

因此，我花了很长时间来研究请求请求，终于找到了一个代码示例。对于与我有相同问题的下一个人，这里有一个示例。（您需要tensorflow_serving package为此；pip install tensorflow-serving-api）。

基于此拉取请求（在撰写本文时尚未接受，并且由于需要审查而被关闭）：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")