Servidor

Un servidor TensorFlow en proceso, para usar en entrenamiento distribuido.

Una instancia de Server encapsula un conjunto de dispositivos y un objetivo de Session que puede participar en un entrenamiento distribuido. Un servidor pertenece a un clúster (especificado por ClusterSpec ) y corresponde a una tarea particular en un trabajo con nombre. El servidor puede comunicarse con cualquier otro servidor del mismo clúster. El servidor no atenderá ninguna solicitud hasta que se invoque start() . El servidor dejará de atender 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();
 }