README-CN.md

#预测作业客户端使用指南

预测作业创建成功后，可以下载和运行客户端发起预测请求，具体使用说明如下：

(注意：请确保运行客户端client的机器是连网的。)

下载

执行如下命令下载预测作业客户端：

git clone https://github.com/huawei-clouds/dls-tfserving-client.git

例子

以图像分类为例（样例数据为dls-tfserving-client/data目录下的某个图片），Java和Python客户端使用方式为：

Java客户端

依次执行如下命令即可实现一次预测：

cd dls-tfserving-client/java
mvn clean install
java -jar target/predict-1.0.0.jar \
image_classification \
--host=xx.xx.xx.xx \
--port=xxxx \
--dataPath="xx/dls-tfserving-client/data/flowers/flower1.jpg" \
--labelsFilePath="xx/dls-tfserving-client/data/flowers/labels.txt" \
--modelName="resnet_v1_50"

Python客户端

环境设置

Linux

下列部署我们在Anaconda环境中测试 (Anaconda2-4.2.0-Linux-x86_64.sh)。

1. 安装 python 2.7 / python 3.6

   创建一个名为"my-env-py27"的环境，并安装python 2.7:

   conda create -n my-env-py27 python=2.7
   source activate my-env-py27
   

   或者

   创建一个名为"my-env-py36"的环境，并安装python 3.6:

   conda create -n my-env-py36 python=3.6
   source activate my-env-py36
   

2. 安装 tensorflow

   pip install tensorflow
   

3. 安装其它依赖包

   pip install image
   

4. 把下列路径加入到环境变量 PYTHONPATH 中

   export PYTHONPATH=PYTHONPATH:xx/dls-tfserving-client/python/predict_client
   

   注意: xx是指"dls-tfserving-client" 所在的目录。

   Windows

5. 安装 python 3.6

   假设已经安装了Anaconda环境, 可以使用以下命令创建一个名为"my-env" 的环境，并安装python 3.6:

   conda create -n my-env python=3.6
   

6. 下载 tensorflow 1.5.1 安装包

7. 安装 tensorflow

   pip install tensorflow-1.5.1-cp36-cp36m-win_amd64.whl
   

8. 安装其它依赖包

   pip install grpcio image
   

9. 把下列路径加入到环境变量 PYTHONPATH 中

   "PATHONPATH=xx/dls-tfserving-client/python/predict_client"

   注意: xx是指"dls-tfserving-client" 所在的目录。

   ​

直接运行如下命令即可实现一次预测：

python dls-tfserving-client/python/predict.py \
--task_type="image_classification" \
--host=xx.xx.xx.xx \
--port=xxxx \
--data_path="xx/dls-tfserving-client/data/flowers/flower1.jpg" \
--labels_file_path="xx/dls-tfserving-client/data/flowers/labels.txt" \
--model_name="resnet_v1_50"

参数说明（适用于上述所有客户端，根据实际值修改）

host：远程预测服务的IP。

port：远程预测服务的端口。

dataPath(data_path)：输入数据所在的路径。

labelsFilePath(labels_file_path)：数据集标签名所在的路径。

modelName(model_name)：创建预测作业时输入的模型名称。

资源

• 客户端工程