Server

Um servidor TensorFlow em processo, para uso em treinamento distribuído.

Uma instância de Server encapsula um conjunto de dispositivos e um destino de Session que pode participar de treinamento distribuído. Um servidor pertence a um cluster (especificado por um ClusterSpec ) e corresponde a uma tarefa específica em um trabalho nomeado. O servidor pode se comunicar com qualquer outro servidor no mesmo cluster. O servidor não atenderá a nenhuma solicitação até que start() seja invocado. O servidor irá parar de atender às solicitações assim que stop() ou close() for invocado. Esteja ciente de que o método close() para o servidor se ele estiver em execução.

AVISO: Um Server possui recursos que devem ser liberados explicitamente invocando close() .

As instâncias de um Server são thread-safe.

Usando o exemplo:

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();
 
 }