如何使用Docker和DigitalOcean Spaces部署TensorFlow服务

Question

您如何配置TensorFlow Serving使用存储在DigitalOcean Spaces中的文件？

解决方案很重要：

• 提供对两个配置和模型文件的访问权限
• 提供对数据的非公开访问

我已经在DigitalOcean Spaces中以以下结构配置了一个名为your_bucket_name的存储桶：

- your_bucket_name
  - config
    - batching_parameters.txt
    - monitoring_config.txt
    - models.config
  - models
    - model_1
      - version_1.1
        - variables
          - variables.data-00000-of-00001
          - variables.index
        - saved_model.pb
   - model_2
       - ...
   - model_3
       - ...

Answer 1

TensorFlow Serving支持与Amazon S3存储桶集成。由于DigitalOcean Spaces提供了类似的界面，因此可以通过Docker轻松运行TensorFlow服务。只要您正确设置了所有内容。

为了使其他人更容易，我在下面详细介绍了有关运行服务器所需的所有知识：

1。环境变量（可选）

在您的环境中定义以下变量：

AWS_ACCESS_KEY_ID=...
AWS_SECRET_ACCESS_KEY=...

（这不是绝对必要的，但是定义这些变量使您的部署比将值硬编码到docker-compose文件中更安全。）>>

作为配置云存储桶的一部分，您从DigitalOcean Spaces接收了这些变量的值。

2。服务器

您可以使用Docker或docker-compose启动服务器：

2.1。使用Docker

这是用于从命令提示符启动服务器的最小docker命令：

docker run \
    -p 8500:8500 \
    -p 8501:8501 \
    -e AWS_ACCESS_KEY_ID=${AWS_ACCESS_KEY_ID} \
    -e AWS_REGION=nyc3 \
    -e AWS_SECRET_ACCESS_KEY=${AWS_SECRET_ACCESS_KEY} \
    -e S3_ENDPOINT=nyc3.digitaloceanspaces.com \
    tensorflow/serving \
    --model_config_file=s3://your_bucket_name/config/models.config
2.2。使用docker-compose
此docker-compose配置在配置服务器的方式上更加详细，但是您也可以通过简单的docker命令使用这些选项。
version: "3"
services:
  tensorflow-servings:
    image: tensorflow/serving:latest
    ports:
      - 8500:8500
      - 8501:8501
    command:
      - --batching_parameters_file=s3://your_bucket_name/config/batching_parameters.txt
      - --enable_batching=true
      - --model_config_file=s3://your_bucket_name/config/only_toxic.config
      - --model_config_file_poll_wait_seconds=300
      - --monitoring_config_file=s3://your_bucket_name/config/monitoring_config.txt
      - --rest_api_timeout_in_ms=30000
    environment:
      - AWS_ACCESS_KEY_ID=${AWS_ACCESS_KEY_ID}
      - AWS_LOG_LEVEL=3
      - AWS_REGION=nyc3
      - AWS_SECRET_ACCESS_KEY=${AWS_SECRET_ACCESS_KEY}
      - S3_ENDPOINT=nyc3.digitaloceanspaces.com
这里减少了日志级别，因为有许多不是实际错误的“连接已释放”和“无响应正文”消息。 （有关更多详细信息，请参见GitHub Issue: AWS lib is verbose when using S3。）
3。配置文件：
配置文件如下所示：
3.1。 models.config
model_config_list {
  config {
    name: 'model_1'
    base_path: 's3://your_bucket_name/models/model_1/'
      model_platform: "tensorflow"
  },
  config {
    ...
  },
  config {
    ...
  }
}
3.2。 batching_parameters.txt（可选）
此文件定义了TensorFlow Serving的准则；扩展其在服务器中处理批处理的方式。
    max_batch_size { value: 1024 }
    batch_timeout_micros { value: 100 }
    num_batch_threads { value: 4 }
    pad_variable_length_inputs: true
3.3。 monitoring_config.txt（可选）
此文件可通过下面定义的端点提供各种统计信息。
prometheus_config {
  enable: true,
  path: "/monitoring/metrics"
}```