kordelfrance/seekar_target_classifier_tfx

Seekar目标分类器API TensorFlow Serving镜像

镜像概述

该Docker镜像封装了Seekar目标分类器API，基于TensorFlow Serving构建，提供标准化的模型部署和服务能力。通过该镜像，用户可快速部署预训练的Seekar目标分类模型，实现高效、可扩展的目标分类推理服务。

核心功能与特性

• 标准接口支持：兼容TensorFlow Serving的RESTful API（默认端口8501）和gRPC接口（默认端口8500），便于与各类应用集成
• 模型版本管理：支持多模型版本共存与动态切换，满足模型迭代需求
• 高性能推理：基于TensorFlow Serving优化的推理引擎，支持批处理和并发请求
• 轻量级部署：容器化封装，简化依赖管理，支持跨环境一致部署
• 配置灵活：可通过环境变量和挂载配置文件自定义模型路径、服务端口等参数

使用场景

• 计算机视觉应用中的目标分类任务部署
• 实时监控系统的目标识别与分类服务
• 智能分析平台的目标特征提取模块
• 需要集成目标分类能力的第三方应用后端服务
• 模型测试与验证环境的快速搭建

使用方法

基本部署（Docker Run）

bash
docker run -d \
  -p 8501:8501 \  # REST API端口映射
  -p 8500:8500 \  # gRPC接口端口映射（可选）
  -v /path/to/seekar/model:/tmp/tfserving/models/seekar_target_classifier \  # 挂载模型目录
  -e MODEL_NAME=seekar_target_classifier \  # 指定模型名称
  --name seekar-classifier-serving \
  seekar-target-classifier-tf-serving

Docker Compose配置

yaml
version: '3'
services:
  seekar-classifier:
    image: seekar-target-classifier-tf-serving
    ports:
      - "8501:8501"
      - "8500:8500"
    volumes:
      - /local/model/path:/tmp/tfserving/models/seekar_target_classifier
    environment:
      - MODEL_NAME=seekar_target_classifier
      - TF_CPP_MIN_LOG_LEVEL=2  # 控制日志级别
    restart: unless-stopped

环境变量配置

API调用示例（REST）

发送POST请求至http://localhost:8501/v1/models/seekar_target_classifier:predict，请求体格式如下：

json
{
  "instances": [
    {
      "input_image": [255, 255, 255, ...]  // 图像像素数据（需根据模型要求格式化）
    }
  ]
}

注意事项

• 模型目录需符合TensorFlow Serving要求的结构（model_version/model.pb格式）
• 首次启动时会加载模型，耗时取决于模型大小和系统性能
• 高并发场景下建议调整容器资源限制（--memory、--cpus参数）
• 生产环境建议配合反向代理（如Nginx）使用，增强安全性和负载能力