Server

bookmark_border با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.

یک سرور TensorFlow در حال پردازش، برای استفاده در آموزش توزیع شده.

یک نمونه Server مجموعه ای از دستگاه ها و یک هدف Session را در بر می گیرد که می تواند در آموزش توزیع شده شرکت کند. یک سرور متعلق به یک خوشه (مشخص شده توسط یک ClusterSpec )، و مربوط به یک کار خاص در یک کار نامگذاری شده است. سرور می تواند با هر سرور دیگری در همان کلاستر ارتباط برقرار کند. تا زمانی که start() فراخوانی نشود، سرور هیچ درخواستی را ارائه نخواهد کرد. سرور پس از فراخوانی stop() یا close() سرویس دهی درخواست ها را متوقف می کند. توجه داشته باشید که متد close() سرور را در صورت اجرا متوقف می کند.

اخطار: یک Server دارای منابعی است که باید به طور صریح با فراخوانی close() آزاد شوند.

نمونه های یک Server از نظر موضوعی ایمن هستند.

با استفاده از مثال:

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();
 }