Server

Un server TensorFlow in-process, da utilizzare nella formazione distribuita.

Un'istanza Server incapsula un set di dispositivi e una destinazione Session che può partecipare alla formazione distribuita. Un server appartiene a un cluster (specificato da ClusterSpec ) e corrisponde a una particolare attività in un lavoro denominato. Il server può comunicare con qualsiasi altro server nello stesso cluster. Il server non servirà alcuna richiesta finché non verrà richiamato start() . Il server smetterà di servire le richieste una volta richiamato stop() o close() . Tieni presente che il metodo close() arresta il server se è in esecuzione.

ATTENZIONE: un Server possiede risorse che devono essere liberate esplicitamente invocando close() .

Le istanze di un Server sono thread-safe.

Utilizzando l'esempio:

import org.tensorflow.Server;
 import org.tensorflow.distruntime.ClusterDef;
 import org.tensorflow.distruntime.JobDef;
 import org.tensorflow.distruntime.ServerDef;

 ClusterDef clusterDef = ClusterDef.newBuilder()
   .addJob(JobDef.newBuilder()
   .setName("worker")
   .putTasks(0, "localhost:4321")
   .build()
 ).build();

 ServerDef serverDef = ServerDef.newBuilder()
   .setCluster(clusterDef)
   .setJobName("worker")
   .setTaskIndex(0)
   .setProtocol("grpc")
 .build();

 try (Server srv = new Server(serverDef.toByteArray())) {
   srv.start();
   srv.join();
 }