Внедрение Edge-контейнеров из Google Cloud vision на компьютер с Windows - PullRequest
Новая
       24

Внедрение Edge-контейнеров из Google Cloud vision на компьютер с Windows

0 голосов
/ 30 сентября 2019

Я пытаюсь внедрить Edge-контейнеры из Google Cloud vision на компьютер с Windows, и нет, я застрял при запуске Docker в командной строке, чтобы обслуживать выводы модели Edge с помощью API-интерфейсов REST: 

C:\Users\User-Name\AppData\Local\Google\Cloud SDK>docker run --rm --name 
automl_high_accuracy_model_cpu -p 8501:8501 -v gs://first-edge-253208 
vcm/models/edge/ICN1840948916028989885/2019-09-26_08-53-35-399_tf-saved- 
model:/mounted_model/0001 -t gcr.io/automl-vision-ondevice/gcloud-container-1.12.0:latest

docker: Ответ об ошибке от демона: неверная спецификация тома: 'gs: // first-edge-253208-vcm / models / edge / ICN1840948916028989885 / 2019-09-26_08-53-35-399_tf-сохраненная-модель:/ mounted_model / 0001' . См. «Docker run --help».

1 Ответ

0 голосов
/ 02 октября 2019

Причина этой ошибки в том, что вы пытаетесь смонтировать том с помощью GCS внутри / mount_model / 0001 , Docker не может прочитать с пути GS.

Прежде чем продолжить, вам нужночтобы загрузить модель на локальный диск 

gs cp gs://<bucket_model>/<path>/ .

Затем запустите Docker и используйте модель полного пути (укажите каталог, в котором находится ваша модель) 

docker run --rm --name 
automl_high_accuracy_model_cpu -p 8501:8501 -v <full_local_path_to_model>:/mounted_model/0001 -t gcr.io/automl-vision-ondevice/gcloud-container-1.12.0:latest

Также Вы можете создатьновый образ, использующий gcr.io / automl-vision-ondevice / gcloud-container-1.12.0: последний в качестве основы, это может помочь вам легко смонтировать его внутри виртуальной машины или Kubernetes.

Создайте Dockerfile на том же уровне, где находится ваша файловая модель (.pb) 

FROM gcr.io/automl-vision-ondevice/gcloud-container-1.12.0:latest
RUN mkdir -p /tmp/mounted_model/0001/
COPY . /tmp/mounted_model/0001/

И затем, создайте образ 

sudo docker build . -t <image_name>

После запуска вашего контейнера вы должны увидеть это в логах 

I tensorflow_serving/model_servers/server.cc:339] Exporting HTTP/REST API at:localhost:8501 ...
...