基于Tensorflow服务的OpenFaaS服务模型

Question

我想使用OpenFaaS为Tensorfow模型服务。基本上，我希望以这样一种方式调用"serve“函数，即tensorflow serving将公开我的模型。

OpenFaaS在Kubernetes上正确运行，我可以通过curl或从UI调用函数。

我以孵化器-瓶为例，但我一直在接收502 Bad Gateway。

OpenFaaS项目如下所示

serve/
  - Dockerfile
stack.yaml

内部Dockerfile如下所示

FROM tensorflow/serving

RUN mkdir -p /home/app

RUN apt-get update \
    && apt-get install curl -yy

RUN echo "Pulling watchdog binary from Github." \
    && curl -sSLf https://github.com/openfaas-incubator/of-watchdog/releases/download/0.4.6/of-watchdog > /usr/bin/fwatchdog \
    && chmod +x /usr/bin/fwatchdog

WORKDIR /root/

# remove unecessery logs from S3
ENV TF_CPP_MIN_LOG_LEVEL=3

ENV AWS_ACCESS_KEY_ID=${AWS_ACCESS_KEY_ID}
ENV AWS_SECRET_ACCESS_KEY=${AWS_SECRET_ACCESS_KEY}
ENV AWS_REGION=${AWS_REGION}
ENV S3_ENDPOINT=${S3_ENDPOINT} 

ENV fprocess="tensorflow_model_server --rest_api_port=8501 \
    --model_name=${MODEL_NAME} \
    --model_base_path=${MODEL_BASE_PATH}"

# Set to true to see request in function logs
ENV write_debug="true"
ENV cgi_headers="true"
ENV mode="http"
ENV upstream_url="http://127.0.0.1:8501"

# gRPC tensorflow serving
# EXPOSE 8500

# REST tensorflow serving
# EXPOSE 8501

RUN touch /tmp/.lock
HEALTHCHECK --interval=5s CMD [ -e /tmp/.lock ] || exit 1

CMD [ "fwatchdog" ]

stack.yaml文件如下所示

provider:
  name: faas
  gateway: https://gateway-url:8080

functions:
  serve:
    lang: dockerfile
    handler: ./serve
    image: repo/serve-model:latest
    imagePullPolicy: always

我用faas-cli build -f stack.yaml构建映像，然后用faas-cli push -f stack.yaml将其推送到我的码头注册中心。

当我执行faas-cli deploy -f stack.yaml -e AWS_ACCESS_KEY_ID=...时，我得到了Accepted 202，它在我的函数中正确地出现了。现在，我想在我在我的tensorflow serving中指定的模型上调用ENV。

我试着让它工作的方法是以这种方式使用curl

curl -d '{"inputs": ["1.0", "2.0", "5.0"]}' -X POST https://gateway-url:8080/function/deploy-model/v1/models/mnist:predict

但我总是能得到502 Bad Gateway。

有没有人有过OpenFaaS和Tensorflow服务的经验？提前感谢

P.S.

如果我运行tensorflow serving而没有of-watchdog (基本上没有openfaas的内容)，模型就会得到正确的服务。

Answer 1

详细说明@viveksyngh提到的链接。

tensorflow-serving-openfaas:

打包TensorFlow与OpenFaaS一起使用，通过OpenFaaS进行部署和管理，自动缩放，从零扩展，以及库伯奈特的合理配置。

此示例来自：https://www.tensorflow.org/serving

预调整期：

OpenFaaS

OpenFaaS CLI

Docker

指令：

克隆回购

$ mkdir -p ~/dev/

$ cd ~/dev/

$ git clone https://github.com/alexellis/tensorflow-serving-openfaas

克隆示例模型并将其复制到函数的构建上下文中

$ cd ~/dev/tensorflow-serving-openfaas

$ git clone https://github.com/tensorflow/serving

$ cp -r serving/tensorflow_serving/servables/tensorflow/testdata/saved_model_half_plus_two_cpu ./ts-serve/saved_model_half_plus_two_cpu

编辑码头集线器用户名

您需要编辑stack.yml文件并将alexellis2替换为您的Docker帐户。

构建函数映像

$  faas-cli build

现在，您应该在本地库中有一个Docker映像，您可以将其部署到带faas-cli的集群中。

测试函数的局部

所有OpenFaaS映像都可以独立运行，无需安装OpenFaaS，让我们快速测试一下，但是用自己的名字替换alexellis2。

$ docker run -p 8081:8080 -ti alexellis2/ts-serve:latest

现在在另一个终端：

$ curl -d '{"instances": [1.0, 2.0, 5.0]}' \
   -X POST http://127.0.0.1:8081/v1/models/half_plus_two:predict

{
    "predictions": [2.5, 3.0, 4.5
    ]
}

From here you can run faas-cli up and then invoke your function from the OpenFaaS UI, CLI or REST API.

$ export OPENFAAS_URL=http://127.0.0.1:8080

$ curl -d '{"instances": [1.0, 2.0, 5.0]}' $OPENFAAS_URL/function/ts-serve/v1/models/half_plus_two:predict

{
    "predictions": [2.5, 3.0, 4.5
    ]
}