Я обучил модель с Керасом. Теперь я хочу развернуть его через службу Tensorflow. Поэтому я преобразовал его в формат SavedModel таким образом:
K.set_learning_phase(0)
K._LEARNING_PHASE = tf.constant(0)
# sess = K.get_session()
if not os.path.exists(path):
os.mkdir(path)
export_path = os.path.join(
tf.compat.as_bytes(path),
tf.compat.as_bytes(str(get_new_version(path=path, current_version=int(version)))))
print('Learning phase', K.learning_phase())
print('Exporting trained model to', export_path)
builder = tf.saved_model.builder.SavedModelBuilder(export_path)
model_input = tf.saved_model.utils.build_tensor_info(model.input)
model_output = tf.saved_model.utils.build_tensor_info(model.output)
prediction_signature = (
tf.saved_model.signature_def_utils.build_signature_def(
inputs={'inputs': model_input},
outputs={'output': model_output},
method_name=tf.saved_model.signature_constants.PREDICT_METHOD_NAME))
with K.get_session() as sess:
builder.add_meta_graph_and_variables(
sess=sess, tags=[tf.saved_model.tag_constants.SERVING],
signature_def_map={
'predict':
prediction_signature,
})
builder.save()
Я начал использовать службу Tensorflow (установил Tensorflow-model-server через apt-get install). Но моя модель имеет размер 376 МБ (как Saved_model.pb, так и папка переменных), а время прогнозирования очень велико (около 0,3 секунды на запрос), а при увеличении rps задержка уменьшается.
Итак, я хочу оптимизировать свою модель, знает ли кто-нибудь какие-нибудь приемы, как это сделать?
P.S. Моя модель в Керасе сохраняется с save_model(model)
.