Server

Un servidor TensorFlow en proceso, para usar en capacitación distribuida.

Una instancia de Server encapsula un conjunto de dispositivos y un objetivo de Session que puede participar en el entrenamiento distribuido. Un servidor pertenece a un clúster (especificado por un ClusterSpec ) y corresponde a una tarea particular en un trabajo con nombre. El servidor puede comunicarse con cualquier otro servidor en el mismo clúster. El servidor no atenderá ninguna solicitud hasta que se invoque start() . El servidor dejará de atender las solicitudes una vez que se invoque stop() o close() . Tenga en cuenta que el método close() detiene el servidor si se está ejecutando.

ADVERTENCIA: un Server posee recursos que deben liberarse explícitamente invocando close() .

Las instancias de un Server son seguras para subprocesos.

Ejemplo de uso:

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();
 }