このページは Cloud Translation API によって翻訳されました。

KubernetesでTensorFlowサービングを使用する

このチュートリアルでは、Docker コンテナーで実行されている TensorFlow Serving コンポーネントを使用して TensorFlow ResNet モデルにサービスを提供する方法と、Kubernetes を使用してサービングクラスターをデプロイする方法を示します。

TensorFlow Serving の詳細については、 TensorFlow Serving の基本チュートリアルとTensorFlow Serving の高度なチュートリアルをお勧めします。

TensorFlow ResNet モデルの詳細については、「TensorFlow の ResNet」を読むことをお勧めします。

パート 1では環境をセットアップします
パート 2 では、ローカルの Docker サービスイメージを実行する方法を示します。
パート 3 では、 Kubernetes にデプロイする方法を示します。

パート 1: セットアップ

始める前に、まずDocker をインストールします。

ResNet SavedModel をダウンロードする

すでにローカルモデルディレクトリがある場合に備えて、それをクリアしましょう。

rm -rf /tmp/resnet

ディープ残差ネットワーク (略して ResNet) は、非常に深い畳み込みニューラルネットワークのトレーニングを可能にするアイデンティティマッピングの画期的なアイデアを提供しました。この例では、ImageNet データセット用の ResNet の TensorFlow SavedModel をダウンロードします。

# Download Resnet model from TF Hub
wget https://tfhub.dev/tensorflow/resnet_50/classification/1?tf-hub-format=compressed -o resnet.tar.gz

# Extract SavedModel into a versioned subfolder ‘123’
mkdir -p /tmp/resnet/123
tar xvfz resnet.tar.gz -C /tmp/resnet/123/

SavedModel があることを確認できます。

$ ls /tmp/resnet/*
saved_model.pb  variables

パート 2: Docker での実行

デプロイメント用のイメージをコミットする

次に、提供イメージを取得し、Kubernetes デプロイメント用の新しいイメージ$USER/resnet_servingにすべての変更をコミットします。

まず、サービス提供イメージをデーモンとして実行します。

docker run -d --name serving_base tensorflow/serving

次に、ResNet モデルデータをコンテナーのモデルフォルダーにコピーします。

docker cp /tmp/resnet serving_base:/models/resnet

最後に、ResNet モデルを提供するためにコンテナーをコミットします。

docker commit --change "ENV MODEL_NAME resnet" serving_base \
  $USER/resnet_serving

次に、サービングベースコンテナを停止しましょう

docker kill serving_base
docker rm serving_base

サーバーを起動します

次に、ResNet モデルを使用してコンテナーを起動して、gRPC ポート 8500 を公開して提供できるようにしましょう。

docker run -p 8500:8500 -t $USER/resnet_serving &

サーバーに問い合わせる

クライアントの場合は、TensorFlow Serving GitHub リポジトリのクローンを作成する必要があります。

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

resnet_client_grpc.pyを使用してサーバーにクエリを実行します。クライアントはイメージをダウンロードし、それをImageNetカテゴリに分類するために gRPC 経由で送信します。

tools/run_in_docker.sh python tensorflow_serving/example/resnet_client_grpc.py

これにより、次のような出力が得られます。

outputs {
  key: "classes"
  value {
    dtype: DT_INT64
    tensor_shape {
      dim {
        size: 1
      }
    }
    int64_val: 286
  }
}
outputs {
  key: "probabilities"
  value {
    dtype: DT_FLOAT
    tensor_shape {
      dim {
        size: 1
      }
      dim {
        size: 1001
      }
    }
    float_val: 2.41628322328e-06
    float_val: 1.90121829746e-06
    float_val: 2.72477100225e-05
    float_val: 4.42638565801e-07
    float_val: 8.98362372936e-07
    float_val: 6.84421956976e-06
    float_val: 1.66555237229e-05
...
    float_val: 1.59407863976e-06
    float_val: 1.2315689446e-06
    float_val: 1.17812135159e-06
    float_val: 1.46365800902e-05
    float_val: 5.81210713335e-07
    float_val: 6.59980651108e-05
    float_val: 0.00129527016543
  }
}
model_spec {
  name: "resnet"
  version {
    value: 123
  }
  signature_name: "serving_default"
}

それは動作します！サーバーは猫の画像を正常に分類しました。

パート 3: Kubernetes でのデプロイ

このセクションでは、パート 0 で構築されたコンテナイメージを使用して、 Google Cloud PlatformにKubernetesを備えたサービングクラスタをデプロイします。

GCloud プロジェクトへのログイン

ここでは、 tensorflow-servingという名前のgcloudプロジェクトを作成し、ログインしていると仮定します。

gcloud auth login --project tensorflow-serving

コンテナクラスターを作成する

まず、サービスをデプロイするためのGoogle Kubernetes Engineクラスターを作成します。

$ gcloud container clusters create resnet-serving-cluster --num-nodes 5

次のような出力が得られます。

Creating cluster resnet-serving-cluster...done.
Created [https://container.googleapis.com/v1/projects/tensorflow-serving/zones/us-central1-f/clusters/resnet-serving-cluster].
kubeconfig entry generated for resnet-serving-cluster.
NAME                       ZONE           MASTER_VERSION  MASTER_IP        MACHINE_TYPE   NODE_VERSION  NUM_NODES  STATUS
resnet-serving-cluster  us-central1-f  1.1.8           104.197.163.119  n1-standard-1  1.1.8         5          RUNNING

gcloudcontainer コマンドのデフォルトのクラスターを設定し、クラスターの認証情報をkubectlに渡します。

gcloud config set container/cluster resnet-serving-cluster
gcloud container clusters get-credentials resnet-serving-cluster

その結果、次のようになります。

Fetching cluster endpoint and auth data.
kubeconfig entry generated for resnet-serving-cluster.

Dockerイメージをアップロードする

次に、イメージをGoogle Container Registryにプッシュして、Google Cloud Platform で実行できるようにしましょう。

まず、Container Registry 形式とプロジェクト名を使用して$USER/resnet_servingイメージにタグを付けます。

docker tag $USER/resnet_serving gcr.io/tensorflow-serving/resnet

次に、gcloud を認証ヘルパーとして使用するように Docker を構成します。

gcloud auth configure-docker

次に、イメージをレジストリにプッシュします。

docker push gcr.io/tensorflow-serving/resnet

Kubernetesのデプロイメントとサービスを作成する

このデプロイメントは、 Kubernetes デプロイメントによって制御されるresnet_inferenceサーバーの 3 つのレプリカで構成されます。レプリカは、外部ロードバランサーとともにKubernetes サービスによって外部に公開されます。

これらは、サンプルの Kubernetes 構成resnet_k8s.yamlを使用して作成します。

kubectl create -f tensorflow_serving/example/resnet_k8s.yaml

出力あり:

deployment "resnet-deployment" created
service "resnet-service" created

デプロイメントとポッドのステータスを表示するには:

$ kubectl get deployments
NAME                    DESIRED   CURRENT   UP-TO-DATE   AVAILABLE   AGE
resnet-deployment    3         3         3            3           5s

$ kubectl get pods
NAME                         READY     STATUS    RESTARTS   AGE
resnet-deployment-bbcbc   1/1       Running   0          10s
resnet-deployment-cj6l2   1/1       Running   0          10s
resnet-deployment-t1uep   1/1       Running   0          10s

サービスのステータスを表示するには:

$ kubectl get services
NAME                    CLUSTER-IP       EXTERNAL-IP       PORT(S)     AGE
resnet-service       10.239.240.227   104.155.184.157   8500/TCP    1m

すべてが稼働するまでには時間がかかる場合があります。

$ kubectl describe service resnet-service
Name:           resnet-service
Namespace:      default
Labels:         run=resnet-service
Selector:       run=resnet-service
Type:           LoadBalancer
IP:         10.239.240.227
LoadBalancer Ingress:   104.155.184.157
Port:           <unset> 8500/TCP
NodePort:       <unset> 30334/TCP
Endpoints:      <none>
Session Affinity:   None
Events:
  FirstSeen LastSeen    Count   From            SubobjectPath   Type        Reason      Message
  --------- --------    -----   ----            -------------   --------    ------      -------
  1m        1m      1   {service-controller }           Normal      CreatingLoadBalancer    Creating load balancer
  1m        1m      1   {service-controller }           Normal      CreatedLoadBalancer Created load balancer

サービスの外部 IP アドレスは、LoadBalancer Ingress の横にリストされます。

モデルをクエリする

これで、ローカルホストから外部アドレスでサービスにクエリを実行できるようになりました。

$ tools/run_in_docker.sh python \
  tensorflow_serving/example/resnet_client_grpc.py \
  --server=104.155.184.157:8500
outputs {
  key: "classes"
  value {
    dtype: DT_INT64
    tensor_shape {
      dim {
        size: 1
      }
    }
    int64_val: 286
  }
}
outputs {
  key: "probabilities"
  value {
    dtype: DT_FLOAT
    tensor_shape {
      dim {
        size: 1
      }
      dim {
        size: 1001
      }
    }
    float_val: 2.41628322328e-06
    float_val: 1.90121829746e-06
    float_val: 2.72477100225e-05
    float_val: 4.42638565801e-07
    float_val: 8.98362372936e-07
    float_val: 6.84421956976e-06
    float_val: 1.66555237229e-05
...
    float_val: 1.59407863976e-06
    float_val: 1.2315689446e-06
    float_val: 1.17812135159e-06
    float_val: 1.46365800902e-05
    float_val: 5.81210713335e-07
    float_val: 6.59980651108e-05
    float_val: 0.00129527016543
  }
}
model_spec {
  name: "resnet"
  version {
    value: 1538687457
  }
  signature_name: "serving_default"
}

Kubernetes でサービスとして機能する ResNet モデルが正常にデプロイされました。