Golang 客户端
Golang的gRPC客户端代码需要我们自己实现，通过TensorFlow Serving提供的model.proto、predict.proto和prediction_service.proto来生成protobuf和gRPC文件，而它还依赖TensorFlow项目中的TensorProto等proto定义，我们在deep_recommend_system项目中也提供了一个Shell脚本来生成。
用户需要根据不同模型的输入格式，生成对应的TensorProto对象，也就是inference时需要的多维数组格式，目前我们已经支持稠密的Tensor输入和稀疏的SparseTensor输入，基本涵盖了大部分深度学习模型。对于用户自定义的模型，可以通过exporter指定输入和输出op，不需要修改Serving源码就可以直接加载，gRPC接口和数据交换格式都是通用的，只需要在构建inference数据时传入不同的shape和预测数据即可。
目前代码已经开放到 ，感谢小米网Golang团队和Github用户 @sparklxb 高质量的pull-request。如果你的业务正在使用Golang，同时也在使用TensorFlow和深度学习模型，对golang predict client有任何反馈欢迎在Github上交流。
Golang binding
TensorFlow对Golang的支持远不止提供gRPC client，如果你想在graph中对某个tensor进行保存和加载，可以参考 ，最新的tensorflow package已经可以在godoc中找到 。
总结
最后总结回答一个问题，使用Golang能否玩转TensorFlow和深度学习模型？答案是Yes，但目前直接使用Golang binding去训练深度学习模型还有很多不足（构建graph的灵活性和数值计算op数量还远不如Python），但通过我们提供的golang predict client，Golang应用也可以非常灵活并且轻易地访问预训练好的TensorFlow模型了。
deep_recommend_system是一个TensorFlow模板应用，已经支持通用的CSV稠密数据和LIBSVM稀疏数据的模型训练，实现了LR、MLP、CNN和Wide and deep模型，支持checkpoint、tensorboard、dropout、learning rate decay和batch normalization等特性，还有Python、Java、Scala、Spark和Golang等客户端实例，欢迎继续关注和star 。
热门文章推荐