Server

Внутренний сервер TensorFlow для использования в распределенном обучении.

Экземпляр Server инкапсулирует набор устройств и цель Session , которые могут участвовать в распределенном обучении. Сервер принадлежит кластеру (указанному ClusterSpec ) и соответствует определенной задаче в именованном задании. Сервер может взаимодействовать с любым другим сервером в том же кластере. Сервер не будет обслуживать запросы до тех пор, пока не будет вызвана start() . Сервер прекратит обслуживать запросы после вызова stop() или close() . Имейте в виду, что метод close() останавливает сервер, если он работает.

ВНИМАНИЕ: Server принадлежат ресурсы, которые необходимо явно освободить, вызвав close() .

Экземпляры Server являются потокобезопасными.

Используя пример:

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();
 }