时间戳

首页 > 解决方案 > 'Channel' 对象在调用 prediction_service_pb2_grpc.PredictionServiceStub(channel) 时没有属性 'unary_unary' 错误

python-3.x - 'Channel' 对象在调用 prediction_service_pb2_grpc.PredictionServiceStub(channel) 时没有属性 'unary_unary' 错误

问题描述

我正在尝试为我的模型（语言分类）创建一个推理应用程序，但我收到一个错误Channelobject has no attribute unary_unary。我在任何地方都找不到关于这个问题的任何信息，因此这篇文章。我对 python 和 tensorflow 领域很陌生，我还在学习。 错误日志如下所示（最后几行） 

2019-07-30T12:34:12.24+0200 [APP/PROC/WEB/0] ERR   File "app.py", line 189, in do_inference
   2019-07-30T12:34:12.24+0200 [APP/PROC/WEB/0] ERR     stub = prediction_service_pb2_grpc.PredictionServiceStub(channel)
   2019-07-30T12:34:12.24+0200 [APP/PROC/WEB/0] ERR   File "/home/vcap/deps/0/python/lib/python3.6/site-packages/tensorflow_serving/apis/prediction_service_pb2_grpc.py", line 40, in __init__
   2019-07-30T12:34:12.24+0200 [APP/PROC/WEB/0] ERR     self.Classify = channel.unary_unary(
   2019-07-30T12:34:12.24+0200 [APP/PROC/WEB/0] ERR AttributeError: 'Channel' object has no attribute 'unary_unary'

我正在使用烧瓶创建使用模型的 Web 服务。

@app.route('/LangDet', methods=['POST'])
def do_inference():
    # get deployed model details
    token = get_access_token()
    model_name = request.path[1:]
    query_string = {"modelName": model_name}
    headers = {
        'Authorization': token
    }
    res = requests.get(deployment_url, headers=headers, params=query_string)
    model_info = json.loads(res.text)
    if int(model_info["count"]) < 1:
        return Response('404 Not Found: Model ' + model_name + ' is unavailable.', status=404)
    else:
        latest_version = [0, 0]
        for index, model in enumerate(model_info["modelServers"]):
            if int(model["specs"]["models"][0]["modelVersion"]) > latest_version[0]:
                latest_version = [int(model["specs"]["models"][0]["modelVersion"]), index]

        model_host = model_info["modelServers"][latest_version[1]]["endpoints"][0]
        credentials = implementations.ssl_channel_credentials(root_certificates=bytes(model_host["caCrt"], 'ascii'))
        channel = implementations.secure_channel(str(model_host["host"]), int(model_host["port"]), credentials)
        stub = prediction_service_pb2_grpc.PredictionServiceStub(channel)

声明存根后，应用程序抛出异常。这里似乎有什么问题，我能做些什么来解决它？

标签： python-3.xtensorflowflasktensorflow-servinggrpc-python

解决方案

虽然原始海报似乎已经解决了这个问题，但对于遇到此问题的其他人来说，这里是解决方案。

代替：

channel = grpc.beta.implementations.insecure_channel(host, int(port))

利用：

channel = grpc.insecure_channel(server)

请注意，虽然 beta 实现分别接受主机和端口，但第二种方法将它们作为单个参数一起接受。例如，

insecure_channel(0.0.0.0, 9999)

变成

insecure_channel(0.0.0.0:9999)

推荐阅读