开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> TensorFlow Serving：深度学习模型在生产环境的部署&上线 -> 正文阅读

[人工智能]TensorFlow Serving：深度学习模型在生产环境的部署&上线

TensorFlow Serving简单来说就是一个适合在生产环境中对tensorflow深度学习模型进行部署，然后可以非常方便地通过restful形式的接口进行访问。

除此之外，它拥有许多有点：

支持配置文件的定期轮询更新（periodically poll for updated），无需重新启动；
优秀的模型版本控制；
支持并发；
支持批处理；
基于docker，部署简单。

（这些优点我们在下面会逐一提到）

安装

官方极力推荐通过docker的方式进行安装，所以，

首先我们需要进行docker的安装。
拉取TensorFlow Serving的docker镜像和仓库
```
docker pull tensorflow/serving
```
使用tensorflow官方自带的模型进行测试。克隆相关的git仓库
```
git clone https://github.com/tensorflow/serving
```

启动TensorFlow Serving的docker容器，开启tensorflow模型的接口服务

TESTDATA="$(pwd)/serving/tensorflow_serving/servables/tensorflow/testdata"
docker run -t --rm -p 8501:8501 \
    -v "$TESTDATA/saved_model_half_plus_two_cpu:/models/half_plus_two" \
    -e MODEL_NAME=half_plus_two \
    tensorflow/serving &

最后，我们就可以访问模型的接口了（该demo模型是一个简单的对输入的一半加上2）

（接口地址：http://localhost:8501/v1/models/half_plus_two:predict

参数：{“instances”: [1.0, 2.0, 5.0]}）
```
curl -d '{"instances": [1.0, 2.0, 5.0]}' \
    -X POST http://localhost:8501/v1/models/half_plus_two:predict
```

个性定制模型

保存pb模型

"""
将计算图以pb格式进行保存，用于tf-serving
"""
import tensorflow.compat.v1 as tf
# import tensorflow as tf

# tf2，否则placeholde会报错
tf.disable_eager_execution()

############# 在这里定义你的模型  ###########
x1 = tf.placeholder(tf.float32, [None, 3], name='x1')
inputs_id = tf.placeholder(tf.int32, [None, 3], name='x2')

out = tf.add(tf.multiply(x1, 0.5), 2)

embedding = tf.get_variable("embedding_table", shape=[100, 10])
pre = tf.nn.embedding_lookup(embedding, inputs_id)
############# 在这里定义你的模型  ###########

sess = tf.Session()
sess.run(tf.global_variables_initializer())

# 将张量转化为tensor_info
tensor_info_x1 = tf.saved_model.utils.build_tensor_info(x1)
tensor_info_inputs_id = tf.saved_model.utils.build_tensor_info(inputs_id)
tensor_info_out = tf.saved_model.utils.build_tensor_info(out)
tensor_info_pre = tf.saved_model.utils.build_tensor_info(pre)

# 创建SavedModelBuilder，指定保存路径
builder = tf.saved_model.builder.SavedModelBuilder("serving-model/3")

"""
接口传参
{"instances": [{"x1": [1.0, 2.0, 5.0],"inputs_id": [1, 2, 3]}]}，此时签名定义只能为默认的"serving_default"
{"inputs": {"x1": [1.0, 2.0, 5.0],"inputs_id": [1, 2, 3]}}
使用自定义的签名
{"instances": [{"x1": [1.0, 2.0, 5.0],"inputs_id": [1, 2, 3]}], "signature_name": "my_signature"}

返回：{"predictions":[{"out":......., "pre":......}]}
"""
# 指定接口的输入以及返回
prediction_signature = (
  tf.saved_model.signature_def_utils.build_signature_def(
      inputs={'x1': tensor_info_x1, "inputs_id": tensor_info_inputs_id},
      outputs={'out': tensor_info_out, "pre": tensor_info_pre},
      method_name=tf.saved_model.signature_constants.PREDICT_METHOD_NAME))

# 定义签名
legacy_init_op = tf.group(tf.tables_initializer(), name='legacy_init_op')
builder.add_meta_graph_and_variables(
    sess, [tf.saved_model.tag_constants.SERVING],
    signature_def_map={
        # 使用自定义的签名：my_signature
        # 'my_signature':
        #     prediction_signature,

        # 使用tensorflow默认的签名：serving_default
        tf.saved_model.signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY:
            prediction_signature,
    },
    legacy_init_op=legacy_init_op)

# 模型保存
builder.save()

print('Done exporting!')

模型的保存格式如下：

一个saved_model.pb文件和variables文件夹。

这里需要注意：假如我们想要将模型保存在/tmp/model目录下，那么必须要创建一个版本号目录，如版本号为“1”，那么模型就应保存在/tmp/model/1目录下

在这里插入图片描述

部署上线

此时，我们仅仅需要执行一个docker命令即可实现模型的部署上线了

docker run -p 8501:8501 \
--mount type=bind,source=/tmp/model,target=/models/myserving \
-e MODEL_NAME=myserving -t tensorflow/serving &

解释一下：

-p 8501:8501指容器中服务的端口为8501，然后映射到主机的8501端口（前为主机）
–mount type=bind,source=/tmp/model,target=/models/myserving：将主机的/tmp/model目录挂载到容器/models/myserving目录，此时如果主机该目录下发生改动，那么容器也会随着改变。
-e MODEL_NAME=myserving：将部署的模型命名为：myserving
-t tensorflow/serving：以tensorflow/serving镜像启动该容器

接口访问

模型部署上线之后，就可以通过接口进行访问了。

接口地址：http://localhost:8501/v1/models/myserving:predict

参数为：

{"instances": [{"x1": [1.0, 2.0, 5.0],"inputs_id": [1, 2, 3]}]}

或者

{"inputs": {"x1": [1.0, 2.0, 5.0],"inputs_id": [1, 2, 3]}}

加入签名的参数形式，验签必须与代码中的签名对应：

{"instances": [{"x1": [1.0, 2.0, 5.0],"inputs_id": [1, 2, 3]}], "signature_name": "my_signature"}

模型控制

前面我们提到，TensorFlow Serving有着优秀的模型版本控制功能。

默认最新

首先，TensorFlow Serving默认是加载最大版本号的模型。例如，上面我们部署了一个版本号为“1”的模型，如果之后模型又进行更新，版本号升级为“2”，那么仅需要将新的模型拷贝到相同的目录下即可。

比如，这个时候就有两个模型/tmp/model/1和/tmp/model/2，TensorFlow Serving会默认加载版本号“2”的模型。

自定义版本

如果我们想要多个版本的模型同时存在，并且多个模型同时部署，那么也是可以实现的。

在/tmp/model下创建一个models.config文件，以protocol的形式写入以下内容

model_config_list {
  config {
    name: 'myserving'
    base_path: '/models/myserving/'
    model_platform: 'tensorflow'
    model_version_policy {
      specific {
        versions: 1
        versions: 2
      }
    }
    version_labels {
      key: 'stable'
      value: 1
    }
    version_labels {
      key: 'canary'
      value: 2
    }
  }
  config {
    name: 'model2'
    base_path: '/models/model2/'
    model_platform: 'tensorflow'
  }
}

可以看到，里面有两个config，意味着我们同时上线两个模型。

看第一个config：name为模型的名称，base_path为容器中模型的位置，model_platform就设置为tensorflow即可；

model_version_policy不加的话就是默认最新的版本控制策略。specific指定上线的版本，version_labels将版本号映射为对应的key，如stable对应版本号“1”的模型。

也可以是这种形式，加载最新的n个版本的模型：

model_version_policy: {
            latest: {
                num_versions:5
            }
        }

然后，在启动容器服务的时候，需要指定配置文件路径，

docker run -p 8501:8501 \
--mount type=bind,source=/tmp/model,target=/models/myserving \
-e MODEL_NAME=myserving -t tensorflow/serving \
--model_config_file=/models/models.config \
--allow_version_labels_for_unavailable_models=true

（如果不加这个配置项–allow_version_labels_for_unavailable_models=true，那么版本号和key的映射关系不能在启动时设置，只能在启动后才能进行设置）

那么，如果访问第一个模型的stable版本，地址则为：

http://localhost:8501/v1/models/myserving/labels/stable:predict

或者

http://localhost:8501/v1/models/myserving/versions/1:predict

官方推荐第一种。

轮询更新

想要对模型的配置文件进行定期轮询更新的话，只需要加上配置项

--model_config_file_poll_wait_seconds=60

这里是设置为60秒一次。

并发和批处理

批处理简单来说就是可以将多个接口的请求合并一个batch，然后模型计算完成之后一起返回。

注意事项：1、未开启batch时，参数输入不会改变shape，直接输入到模型；

2、开启batch时，参数输入需要少第一个维度，即不能包含batch_size这个维度，不然tensorflow serving无法合并batch，会抛出异常 Batching session Run() input tensors must have at least one dimension。

在/tmp/model下创建一个batcj.config文件，仍是protocol的形式写入以下内容

max_batch_size { value: 128 }
batch_timeout_micros { value: 1000 }
max_enqueued_batches { value: 1000000 }
num_batch_threads { value: 8 }

max_batch_size：一个批次允许的最大请求数量

batch_timeout_micros：合并一个批次等待的最长时间，即使该批次的数量未达到max_batch_size，也会立即进行计算（单位是微秒）

max_enqueued_batches：队列的最大数量

num_batch_threads：线程数，在这里体现并发。
这些都是全局设置，针对所有版本的模型！！！

那么，此时启动容器服务的命令就变成

docker run -p 8501:8501 \
--mount type=bind,source=/tmp/model,target=/models/myserving \
-e MODEL_NAME=myserving -t tensorflow/serving \
--model_config_file=/models/models.config \
--allow_version_labels_for_unavailable_models=true \
--enable_batching=true \
--batching_parameters_file=/models/batch.config

数据预热warmup

模型加载时，因为是懒加载lazily initialized，第一次查询时会有很大的延迟，可以通过预热warmup来解决；
增加参数--enable_model_warmup true；
每个版本必须准备一份预热数据，名称为tf_serving_warmup_requests，然后放在对应版本的assets.extra目录下；
signature_name签名也得跟上述模型导出的对应；
另外一个比较坑的点，模型导出路径必须是空目录，所以必须先导出模型，再生成预热数据，但如果tersorflow serving默认是热部署，导致模型导出后就会立即被加载，预热数据还没生成；
此时需要配合--file_system_poll_wait_seconds，轮询更新模型的时间，官网没看到默认值是多少，但实际使用一般是立即加载。这个时间可以设大一点，留给生成预热数据的时间。

import os
import tensorflow as tf
from tensorflow_serving.apis import model_pb2
from tensorflow_serving.apis import predict_pb2
from tensorflow_serving.apis import prediction_log_pb2


def main():
    serving_dir = "serving-model"
    version = "3"

    with tf.python_io.TFRecordWriter(
            os.path.join(serving_dir, version, "assets.extra/tf_serving_warmup_requests")) as writer:
        request = predict_pb2.PredictRequest(
            model_spec=model_pb2.ModelSpec(name="model_name", signature_name='serving_default'),
            inputs={"x1": tf.make_tensor_proto([[1.0, 2.0]], shape=[1, 2]),
                    "inputs_id": tf.make_tensor_proto([[1, 2]], shape=[1, 2])}
        )

        log = prediction_log_pb2.PredictionLog(
            predict_log=prediction_log_pb2.PredictLog(request=request))
        writer.write(log.SerializeToString())


if __name__ == "__main__":
    main()