dmlc/dgl

Serving DGL models in production

Open

#4.442 geöffnet am 21. Aug. 2022

Auf GitHub ansehen
 (1 Kommentar) (0 Reaktionen) (0 zugewiesene Personen)Python (2.928 Forks)batch import
feature requesthelp wanted

Repository-Metriken

Stars
 (12.665 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Can you share the best practices for serving DGL models in production? (which of the frameworks is preferred/fully supported - torch serve , TensorFlow serving , Kserve or anything kubeflow based , Nvidia Triton .) There are very few resources on the same.

Contributor Guide

Research-Richtung
Überprüfen Sie die DGL Dokumentation zum Modell Serving, erkunden Sie offizielle Beispiele und vergleichen Sie Serving Frameworks wie TorchServe, TensorFlow Serving, KServe, Kubeflow und Nvidia Triton. Suchen Sie nach Community Diskussionen und Benchmarks.
Tech Stack
pythonpytorchtensorflow
Domain
backendmachine learning
Issue Type
Recherche
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonDGL
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
60