在云平台上部署 tfjs-node 项目

本文档介绍如何在云平台上运行使用 @tensorflow/tfjs-node 包的 Node.js 进程。

从 [email protected] 开始，在云平台上运行 Node.js 项目不需要额外的配置。本指南将演示如何在 Heroku 和 GCloud 上运行 @tensorflow/tfjs-examples 存储库中的 mnist-node 示例。Heroku 的 Node.js 支持记录在 这篇文章 中。在 Google Cloud Platform 上运行 Node.js 记录在 这里。

在 Heroku 上部署 Node.js 项目

先决条件

  1. 已安装 Node.js 和 npm
  2. Heroku 帐户
  3. Heroku CLI

创建 Node.js 应用程序

  1. 创建一个文件夹，并从 mnist-node 示例中复制 data.js、main.js、model.js 和 package.json 文件。
  2. 确保 @tensorflow/tfjs-node 依赖项为 @1.2.4 或更高版本。

构建应用程序并在本地运行

  1. 在本地目录中运行 npm install 命令以安装 package.json 文件中声明的依赖项。您应该能够看到 tfjs-node 包已安装，并且 libtensorflow 已下载。
$ npm install
> @tensorflow/[email protected] install mnist-node/node_modules/@tensorflow/tfjs-node
> node scripts/install.js

CPU-linux-1.2.5.tar.gz
* Downloading libtensorflow
[==============================] 22675984/bps 100% 0.0s
* Building TensorFlow Node.js bindings
  1. 通过运行 npm start 在本地训练模型。
$ npm start
> [email protected] start /mnist-node
> node main.js

2019-07-30 17:33:34.109195: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
2019-07-30 17:33:34.147880: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 3492175000 Hz
2019-07-30 17:33:34.149030: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x52f7090 executing computations on platform Host. Devices:
2019-07-30 17:33:34.149057: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): <undefined>, <undefined>

Total params: 594922
Trainable params: 594922
Non-trainable params: 0
_________________________________________________________________
Epoch 1 / 20
Epoch 1 / 20
========================>----------------------------------------------------------------------------------: 35.5
  1. 确保在您的 .gitignore 文件中忽略构建工件，例如 node_modules。

创建和部署 Heroku 应用程序

  1. 在 Heroku 网站上创建一个新应用程序
  2. 提交更改并推送到 heroku master
$ git init
$ heroku git:remote -a your-app-name
$ git add .
$ git commit -m "First Commit"
$ git push heroku master
  1. 在构建日志中，您应该能够看到 tfjs-node 包正在下载 TensorFlow C 库并加载 TensorFlow Node.js 本机插件
remote: -----> Installing dependencies
remote:        Installing node modules (package.json)
remote:
remote:        > @tensorflow/[email protected] install /tmp/build_de800e169948787d84bcc2b9ccab23f0/node_modules/@tensorflow/tfjs-node
remote:        > node scripts/install.js
remote:
remote:        CPU-linux-1.2.5.tar.gz
remote:        * Downloading libtensorflow
remote:
remote:        * Building TensorFlow Node.js bindings
remote:        added 92 packages from 91 contributors and audited 171 packages in 9.983s
remote:        found 0 vulnerabilities
remote:

在 Heroku 的进程日志中，您应该能够看到模型训练日志

Total params: 594922
Trainable params: 594922
Non-trainable params: 0
_________________________________________________________________
Epoch 1 / 20
Epoch 1 / 20
====>--------------------------------------------------------------------: 221.9

您也可以在 Heroku 控制台 中启动或调试进程。

使用 1.2.4 之前的 tfjs-node 版本

如果您使用的是 1.2.4 之前的 tfjs-node 包，则该包需要 g++ 从源文件编译节点本机插件。您需要确保您的堆栈具有 Linux build-essential 包（较新的堆栈版本可能默认情况下没有它）。

在 Google Cloud Platform 上部署 Node.js 项目

先决条件

  1. 拥有具有计费帐户的有效 Google Cloud 项目
  2. 安装 Google Cloud 客户端工具
  3. 将 app.yaml 文件添加到应用程序中，以配置 Node.js 运行时

将应用程序部署到 GCloud

运行 gcloud app deploy 将本地代码和配置部署到 App Engine。在部署日志中，您应该能够看到 tfjs-node 已安装

$ gcloud app deploy

Step #1:
Step #1: > @tensorflow/[email protected] install /app/node_modules/@tensorflow/tfjs-node
Step #1: > node scripts/install.js
Step #1:
Step #1: CPU-linux-1.2.5.tar.gz
Step #1: * Downloading libtensorflow
Step #1:
Step #1: * Building TensorFlow Node.js bindings
Step #1: added 88 packages from 85 contributors and audited 171 packages in 13.392s
Step #1: found 0 vulnerabilities

在应用程序日志中，您应该能够看到模型训练过程

Total params: 594922
Trainable params: 594922
Non-trainable params: 0

Epoch 1 / 20
===============================================================================>
745950ms 14626us/step - acc=0.920 loss=0.247 val_acc=0.987 val_loss=0.0445
Loss: 0.247 (train), 0.044 (val); Accuracy: 0.920 (train), 0.987 (val) (14.62 ms/step)
Epoch 2 / 20
===============================================================================>
818140ms 16042us/step - acc=0.980 loss=0.0655 val_acc=0.989 val_loss=0.0371
Loss: 0.066 (train), 0.037 (val); Accuracy: 0.980 (train), 0.989 (val) (16.04 ms/step)
Epoch 3 / 20
Epoch 3 / 20