Dubhe/tianshu_serving/README.md

• 云端Serving代码
• 介绍

云端Serving代码

---

介绍

• 支持oneflow、tensorflow、pytorch三种框架模型部署
  

  1、通过如下命令启动http在线推理服务

     python http_server.py  --platform='框架名称' --model_path='模型地址'
  

  通过访问localhost:5000/docs进入swagger页面，调用localhost:5000/inference进行图片上传得道推理结果，结果如下所示：

      {
          "image_name": "哈士奇.jpg",
          "predictions": [
              {
                  "label": "Eskimo dog, husky",
                  "probability": "0.679"
              },
              {
                  "label": "Siberian husky",
                  "probability": "0.213"
              },
              {
                  "label": "dogsled, dog sled, dog sleigh",
                  "probability": "0.021"
              },
              {
                  "label": "malamute, malemute, Alaskan malamute",
                  "probability": "0.006"
              },
              {
                  "label": "white wolf, Arctic wolf, Canis lupus tundrarum",
                  "probability": "0.001"
              }
          ]
      }
  

  2、同理通过如下命令启动grpc在线推理服务

      python grpc_server.py  --platform='框架名称' --model_path='模型地址'  
  

  再启动grpc_client.py进行上传图片推理得道结果，或者根据ip端口自行编写grpc客户端

• 支持多模型部署
  

  用户可以自行配置config文件夹下的model_config_file.json进行多模型配置，启动http或grpc时输入不同的模型名称即可，或者自行修改inference接口入参来达到启动单一服务多模型推理的功能

• 支持分布式模型部署推理
  

  需要推理大量图片时需要分布式推理功能，执行如下命令：

      python batch_server.py  --platform='框架名称' --model_path='模型地址' --input_path='批量图片地址' --output_path='输出JSON文件地址'        
  

  输入的所有图片保存在input文件夹下，输入json文件保存在output_path文件夹，json名称与图片名称对应

• 支持使用自定义推理脚本
  

  用户需要使用自定义推理脚本时，可根据common_inference_service.py脚本中注释的规则，自定义推理脚本，并替换原有的common_inference_service.py脚本。此外，在启动命令中添加use_script参数，即可在推理时使用自定义的推理脚本。命令如下所示：

      python grpc_server.py  --platform='框架名称' --model_path='模型地址' --user_script=True   
  

• 代码还包含了各种参数配置，日志文件输出、是否启用TLS等