本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# TorchServe
<a name="tutorial-torchserve"></a>

TorchServe 是一款灵活的工具，用于提供已从中导出的深度学习模型 PyTorch。 TorchServe 预装了带有 Conda 的深度学习 AMI。

有关使用的更多信息 TorchServe，[请参阅 PyTorch文档模型服务器](https://github.com/pytorch/serve/blob/master/docs/README.md)。

 **主题** 

## 在上提供图像分类模型 TorchServe
<a name="tutorial-torchserve-serving"></a>

本教程介绍如何使用提供图像分类模型 TorchServe。它使用提供的 DenseNet -161 模型。 PyTorch 服务器运行后，它会监听预测请求。在这种情况下，如果您上传图像（一张小猫的图像），服务器会返回在其上训练该模型的类中匹配的前 5 个类的预测。

**在上提供图像分类模型示例 TorchServe**

1. 使用带 Conda 的深度学习 AMI（v34 或更高版本）来连接到 Amazon Elastic Compute Cloud (Amazon EC2) 实例。

1. 激活 `pytorch_p310` 环境。

   ```
   source activate pytorch_p310
   ```

1. 克隆 TorchServe 存储库，然后创建一个目录来存储您的模型。  

   ```
   git clone https://github.com/pytorch/serve.git
   mkdir model_store
   ```

1. 使用模型存档程序来存档模型。该`extra-files`参数使用`TorchServe`存储库中的文件，因此如有必要，请更新路径。 有关模型存档器的更多信息，请参阅 [Torch 模型存档器](https://github.com/pytorch/serve/blob/master/model-archiver/README.md)。 TorchServe

   ```
   wget https://download.pytorch.org/models/densenet161-8d451a50.pth
   torch-model-archiver --model-name densenet161 --version 1.0 --model-file ./serve/examples/image_classifier/densenet_161/model.py --serialized-file densenet161-8d451a50.pth --export-path model_store --extra-files ./serve/examples/image_classifier/index_to_name.json --handler image_classifier
   ```

1. 运行 TorchServe 以启动终端节点。添加 `> /dev/null` 会使日志输出静音。

   ```
   torchserve --start --ncs --model-store model_store --models densenet161.mar > /dev/null
   ```

1. 下载小猫的图像并将其发送到 TorchServe预测端点：

   ```
   curl -O https://s3.amazonaws.com/model-server/inputs/kitten.jpg
   curl http://127.0.0.1:8080/predictions/densenet161 -T kitten.jpg
   ```

   该预测终端节点将返回一个 JSON 格式的预测（类似于下面的前 5 个预测），其中，图像具有 47% 的可能性为埃及猫，然后有 46% 的可能性为虎斑猫。

   ```
   {
    "tiger_cat": 0.46933576464653015,
    "tabby": 0.463387668132782,
    "Egyptian_cat": 0.0645613968372345,
    "lynx": 0.0012828196631744504,
    "plastic_bag": 0.00023323058849200606
   }
   ```

1. 当您完成测试时，停止服务器：

   ```
   torchserve --stop
   ```

 **其他示例** 

TorchServe 提供了各种各样的示例，您可以在 DLAMI 实例上运行这些示例。您可以在[ TorchServe项目存储库示例页面上](https://github.com/pytorch/serve/tree/master/examples)查看它们。

 **更多信息** 

 有关更多 TorchServe 文档，包括如何 TorchServe使用 Docker 进行设置和最新 TorchServe 功能，请参阅[上的 TorchServe GitHub项目页面](https://github.com/pytorch/serve)。