Win10下基于Docker使用tensorflow serving部署模型

windows就是更坑

安装Docker for Windows

  1. 前提:Docker for Windows需要带有Hyper-V的64位Windows 10 Pro,如果您的系统不符合运行Docker for Windows的要求,则可以安装 Docker Toolbox,它使用Oracle Virtual Box而不是Hyper-V。【注:我的是win10专业版1709,Docker现在可以使用Hyper-V技术在Windows上运行Linux容器(LCOW)。】
    点击查看详情页
  2. 打开Hyper-V服务:手动配置还是挺麻烦,可以通过Docker for Windows安装程序来启用Hyper-V,然后计算机会自动重启
  3. 等待docker小鲸鱼图标停止“喷水”——docker is starting或者docker is switching,成功后会是这样:
    Win10下基于Docker使用tensorflow serving部署模型_第1张图片
  4. 启动docker:建议使用powershell启动;
    • win+R,输入powershell
    • 运行一下命令验证安装:docker –version、docker-compose –version、docker-machine –version、docker version
      Win10下基于Docker使用tensorflow serving部署模型_第2张图片
      Win10下基于Docker使用tensorflow serving部署模型_第3张图片
    • 关闭自动更新与开机自启:小图标右键:settings
      Win10下基于Docker使用tensorflow serving部署模型_第4张图片
    • 查看更详细的初步教程
    • 或者这篇博客

tensorflow serving on docker

1.先克隆到本地:(我是用的git bash,也可以直接在powershell中执行命令)【一开始我是在powershell中clone的,但是发觉速度太慢,并且还失败了】

git clone –recurse https://github.com/tensorflow/serving.git(如果克隆库的时候要带上子模块,请加上 –recursive 参数)
再次进入powershell:cd serving
Win10下基于Docker使用tensorflow serving部署模型_第5张图片

我这下载完成后有1.1个G

2.使用docker创建容器(会下载很多依赖,bazel, grpc。这也是使用容器的原因,手动通过源代码构建太麻烦)【bazel是谷歌的构建工具blaze的开源版】

docker build –pull -t tensorflow-serving-devel -f tensorflow_serving/tools/docker/Dockerfile.devel .

// 3.运行上面创建的容器(会进入对应的终端):

docker run –name=tensorflow_container -it $USER/tensorflow-serving-devel【–name参数的值可以改,但是要记住了,之后在web端或者APP端会用到】

// 4.在容器中再次clone:

git clone –recurse https://github.com/tensorflow/serving.git
cd serving/tensorflow
./configure

// 5.选择你要安装的“组件”:

报错及解决:

invalid argument “/tensorflow-serving-devel” for t: invalid reference format:
我认为这是使用windows造成的,去掉 docker build –pull -t $USER/tensorflow-serving-devel -f tensorflow_serving/tools/docker/Dockerfile.devel .中的 user
no matching manifest for windows/amd64 in the manifest list entries:暂时没能解决

参考:

  1. YouTube
  2. 上方视频的文件资料
  3. https://weiminwang.blog/2017/09/12/introductory-guide-to-tensorflow-serving/
  4. https://towardsdatascience.com/how-to-deploy-machine-learning-models-with-tensorflow-part-2-containerize-it-db0ad7ca35a7
  5. https://www.tensorflow.org/serving/

你可能感兴趣的:(Deep/Machine,Learning)