本文档介绍了如何在云平台上使用 @tensorflow/tfjs-node 软件包运行 Node.js 进程。
从 tfjs-node@1.2.4 开始,在云平台上运行 Node.js 项目便已不需要其他配置。本指南将展示如何在 Heroku 和 GCloud 上运行 @tensorflow/tfjs-examples 仓库中的 mnist-node 示例。本文介绍了 Heroku 的 Node.js 支持。此处介绍了在 Google Cloud Platform 上运行 Node.js。
在 Heroku 上部署 Node.js 项目
前提条件
- 安装 Node.js 和 npm
- Heroku 帐户
- Heroku CLI
创建 Node.js 应用
- 创建一个文件夹,然后从 mnist-node 示例中复制
data.js
、main.js
、model.js
和package.json
文件。 - 确保 @tensorflow/tfjs-node 依赖项为 @1.2.4 或更高版本。
在本地构建并运行您的应用
- 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。您应当能够看到 tfjs-node 软件包已安装并且 libtensorflow 已下载。
$ npm install
> @tensorflow/tfjs-node@1.2.5 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
- 通过运行
npm start
以在本地训练模型。
$ npm start
> tfjs-examples-mnist-node@0.1.0 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
- 确保忽略 .gitignore 文件中的构建工件,例如 node_modules。
创建并部署 Heroku 应用
- 在 Heroku 网站上创建一个新应用
- 提交变更并推送到 heroku master
$ git init
$ heroku git:remote -a your-app-name
$ git add .
$ git commit -m "First Commit"
$ git push heroku master
- 在构建日志中,您应当能够看到 tfjs-node 软件包下载了 TensorFlow C 库并加载了 TensorFlow Node.js 原生插件:
remote: -----> Installing dependencies
remote: Installing node modules (package.json)
remote:
remote: > @tensorflow/tfjs-node@1.2.5 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 上的进程日志中,您应当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 版本之前的 tfjs-node
如果您使用 1.2.4 之前版本的 tfjs-node 软件包,则软件包需要 g++ 才能从源文件编译节点原生插件。您必须确保您的堆栈具有 Linux build-essential 软件包(较新版本的堆栈在默认情况下可能没有该软件包)。
在 Google Cloud Platform 上部署 Node.js 项目
前提条件
- 具备有效的 Google Cloud 项目和计费帐号
- 安装 Google Cloud 客户端工具
- 添加 app.yaml 文件以配置 Node.js 运行时
将应用部署到 GCloud
运行 gcloud app deploy
以将本地代码和配置部署到 App Engine。在部署日志中,您应当能够看到 tfjs-node 已安装:
$ gcloud app deploy
Step #1:
Step #1: > @tensorflow/tfjs-node@1.2.5 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
在应用日志中,您应当能够看到模型训练进程:
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