Tensorflow服务：Large模式，protobuf的错误

我努力使服务与Tensorflow服务大（1.2 GB的大小）模式，但我得到一个：Tensorflow服务：Large模式，protobuf的错误

2017-12-02 21:55:57.711317: I external/org_tensorflow/tensorflow/cc/saved_model/loader.cc:236] Loading SavedModel from: ... 
[libprotobuf ERROR external/protobuf_archive/src/google/protobuf/io/coded_stream.cc:193] A protocol message was rejected because it was too big (more than 1073741824 bytes). To increase the limit (or to disable these warnings), see CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h. 
2017-12-02 21:55:58.563507: I external/org_tensorflow/tensorflow/cc/saved_model/loader.cc:284] Loading SavedModel: fail. Took 852178 microseconds. 
2017-12-02 21:55:58.563567: E tensorflow_serving/util/retrier.cc:38] Loading servable: {name: 2 version: 2} failed: Data loss: Can't parse .../saved_model.pb as binary proto

我通过一些相关问题阅读在几年前的Github上，但最终它变成了无关的，因为Serving正在使用C++版本的protobuf。几乎没有关于使用Serving部署大型模型的信息，所以任何信息都足够了。

Tensorflow服务被编译在主机上，因此是模型，但使用python3（我不知道是否有什么关系的话）。有没有快速解决这个问题，或者我需要挖掘Serving C++源代码并增加消息的大小？每个请求

编辑的评论：

我根据官方教程保存模型。模型如此之大的原因是我有一个嵌入层保存。这里是保存代码反正：

export_path = 'model/1' 
builder = saved_model_builder.SavedModelBuilder(export_path) 

signature = predict_signature_def(inputs={'input': input}, 
            outputs={'sent': output}) 


builder.add_meta_graph_and_variables(sess=session, 
            tags=[tag_constants.SERVING], 
            signature_def_map={'predict': signature}) 
builder.save()

该模型是由编译TF从GitHub Ubuntu的16.04主机上的服务阅读。

来源

2017-12-02 clstl

您还可以键入如何编写和读取模型？ –

@DenizBeker我已更新帖子 – clstl

希望它可以帮助别人，但我“发现”的解决方案。

主要的问题是显而易见的;他是一个NLP模型，因此它有一个很大的词汇。留下图表定义中的词汇会使metagraphdef膨胀，而protobuf在面对这样一个大的协议时会出错。

该解决方案把字典中assets_collection。几乎没有文件证明您实际需要做的事情，但在官方回购中查看saved_model_test.py值得一看。

至于利用与Tensorflow服务的资产，人们必须创建一个自定义可服务的，作为Creating a new kind of servable官方文档中描述。无法提供具体的例子，因为我暂时只是将模型容器化了。

如果任何人有实例，或者有更好的策略，当谈到NLP模型的部署，我会很乐意进一步的讨论。

来源

2017-12-07 15:28:20 clstl

Tensorflow服务：Large模式，protobuf的错误

回答

相关问题