Server

Un serveur TensorFlow en cours, à utiliser dans la formation distribuée.

Une instance de Server encapsule un ensemble d'appareils et une cible de Session qui peuvent participer à une formation distribuée. Un serveur appartient à un cluster (spécifié par un ClusterSpec ) et correspond à une tâche particulière dans un travail nommé. Le serveur peut communiquer avec n'importe quel autre serveur du même cluster. Le serveur ne servira aucune requête tant que start() ne sera pas invoqué. Le serveur arrêtera de traiter les demandes une fois que stop() ou close() est appelé. Sachez que la méthode close() arrête le serveur s'il est en cours d'exécution.

AVERTISSEMENT: un Server possède des ressources qui doivent être explicitement libérées en appelant close() .

Les instances d'un Server sont thread-safe.

En utilisant l'exemple:

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();
 
 }