Win10下基于Docker使用tensorflow serving部署模型
2017-12-11 13:31
2111 查看
windows就是更坑
点击查看详情页
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
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:
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
关闭自动更新与开机自启:小图标右键:settings
查看更详细的初步教程
或者这篇博客
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
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”:
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
上方视频的文件资料
https://weiminwang.blog/2017/09/12/introductory-guide-to-tensorflow-serving/
https://towardsdatascience.com/how-to-deploy-machine-learning-models-with-tensorflow-part-2-containerize-it-db0ad7ca35a7
https://www.tensorflow.org/serving/
安装Docker for Windows
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
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
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:
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
关闭自动更新与开机自启:小图标右键:settings
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
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:
YouTube上方视频的文件资料
https://weiminwang.blog/2017/09/12/introductory-guide-to-tensorflow-serving/
https://towardsdatascience.com/how-to-deploy-machine-learning-models-with-tensorflow-part-2-containerize-it-db0ad7ca35a7
https://www.tensorflow.org/serving/
相关文章推荐
- tensorflow serving:bazel方式部署模型+docker方式部署模型及提供服务以及使用该服务介绍(总有一款适合你)
- Docker使用tensorflow serving部署mnist模型
- 使用tensorflow serving 启动模型时,报如下错误:The TensorFlow library wasn't compiled to use SSE4.1 instructions
- 基于win10,GPU的Tensorflow Object Detection API部署及USB摄像头目标检测
- Tensorflow Serving 模型部署和服务
- Tensorflow Serving 模型部署和服务
- 138、Tensorflow serving 实现模型的部署
- Docker使用TensorFlow Serving
- 基于Windows下使用Docker 部署Redis
- 使用Docker Compose部署基于Sentinel的高可用Redis集群
- 使用tensorflow objet_detection API 实现遥感影像飞机模型识别全过程
- 通过Docker构建TensorFlow Serving
- (更新视频教程)Tensorflow object detection API 搭建属于自己的物体识别模型(2)——训练并使用自己的模型
- 如何使用 Docker 部署一个基于 Play Framework 的 Scala Web 应用?
- 使用Docker Compose部署基于Sentinel的高可用Redis集群
- Win10环境下使用WSL安装OpenAI/gym +TensorFlow用强化学习DQN打砖块(Breakout Game)
- docker + tensorflow serving 踩坑记录
- TensorFlow Serving和Kubernetes 服务Inception模型
- 谷歌发布 TensorFlow Serving:机器学习模型应用于产品更方便
- tensorflow serving 服务部署与访问(Python + Java)