Server

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

Une instance Server encapsule un ensemble d'appareils et une cible 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 répondra à aucune requête tant que start() ne sera pas invoqué. Le serveur cessera de répondre aux requêtes une fois que stop() ou close() sera invoqué. 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.

Exemple d'utilisation :

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();
 }