TensorFlow Serving TensorBoard 配置指南 | 可视化模型训练数据

"TensorFlow Serving 是一个用于将 TensorFlow 模型部署为可用于生产环境的服务的框架。它不直接支持 TensorBoard。要使用 TensorBoard 来可视化 TensorFlow Serving 的模型，可以按照以下步骤进行配置：\n\n1. 在 TensorFlow Serving 部署模型时，确保在启动 TensorFlow Serving 时指定了 --model_config_file 参数，并将其设置为一个 JSON 文件的路径。该文件定义了模型的配置信息，包括模型的路径和输入 / 输出签名。\n\n2. 在模型的配置文件中，为每个模型指定一个 model_platform 字段，将其设置为 tensorflow，以指示模型使用 TensorFlow 框架。\n\n3. 在启动 TensorFlow Serving 时，确保指定了 --rest_api_port 参数，并将其设置为 TensorBoard 的端口号（默认为 6006）。\n\n4. 在启动 TensorFlow Serving 时，还可以指定 --enable_batching 参数，以启用批处理请求。这将有助于提高模型的推理性能。\n\n5. 启动 TensorFlow Serving 后，使用 TensorBoard 命令行工具连接到 TensorFlow Serving 的 REST API，并将 TensorBoard 的 logdir 参数设置为 TensorFlow Serving 的 REST API 的地址。可以使用以下命令连接到 TensorBoard：\n\n\ntensorboard --logdir=http://localhost:6006\n\n\n请注意，TensorFlow Serving 本身不提供用于 TensorBoard 的配置选项。上述步骤是一种使用 TensorFlow Serving 和 TensorBoard 的常见做法。\n\