本文介绍如何在E-MapReduce中部署TensorFlow模型同步至PAI EAS。
前提条件
- 已创建Data Science集群,相关注意信息请参见Data Science简介。
- 已开通PAI的在线模型服务EAS,详情请参见EAS开通与购买指南。
- 已将Tensorflow SaveModel格式的模型打包成tar.gz文件。
更新时间:2020-06-17 10:14
本文介绍如何在E-MapReduce中部署TensorFlow模型同步至PAI EAS。
eascmd64 config -i LTAI******* -k 1Hr5GzqNkc8******** -e pai-eas.cn-shenzhen.aliyuncs.com
参数 | 描述 |
---|---|
-i | 当前阿里云账号的AccessKey ID。 |
-k | 当前阿里云账号的AccessKey Secret。 |
-e | EAS的访问地址(Host)。
说明 不同区域的Host不同,例如北京的Host是pai-eas.cn-beijing.aliyuncs.com。
|
执行以下命令将模型部署至EAS。
eascmd64 upload <model_path>
<model_path>
为模型打包好的文件的名称。
oss tartget path
。{
"name": "test_3",
"generate_token": "true",
"model_path": "oss://eas-model-hangzhou/107992689699****/resnet_v1_fp32_savedmodel_NCHW.tar.gz",
"processor": "tensorflow_cpu",
"metadata": {
"instance": 1,
"cpu": 1
}
}
参数 | 描述 | 示例 |
---|---|---|
name | 表示服务的名称,不支持中文字符。 | test_3 |
model_path | 上传模型步骤中返回的oss tartget path。 | oss://eas-model-hangzhou/107992689699****/resnet_v1_fp32_savedmodel_NCHW.tar.gz |
eascmd64 create pmml.json
在文档使用中是否遇到以下问题
更多建议
匿名提交