这篇博文记录分享一下我在使用golang（以下简称Go）构建TensorFlow服务端方面的一些经验。

TensorFlow这里不多介绍了，相信对这篇文章感兴趣的人对它已经有了一定程度的了解。 使用训练好的TensorFlow模型（推荐使用python写训练脚本）搭建Web服务，基本逻辑是 服务端进程加载模型（计算图），挂起服务。其中，模型（计算图）并不用为服务端程序重新编写， 直接使用训练阶段导出的图和参数即可。可以看到，这一步是通用的，对不同模型来说。 当然，由于模型（计算图）执行的都是数值计算，而服务端拿到的请求（request）内容是有很大差别的， 对不同任务来说。也就是说，需要一个中间过程，来处理拿到的请求，再送给模型（计算图）， 最后将结果再过一个中间过程，送出响应（response）。

那么接下来需要考虑的问题就是，选用哪种工具来搭建服务端。 一般来说，python可以作为一个快速搭建服务的选择。 但是，python本身并发性不够好，而且将python对象送给计算图及从图中拿到结果生成python对象速度较慢（忘记从哪儿听来的了）。 因此，一些人选择使用C++来搭建服务。 然而，C++的使用难度可以说比python是要高一些的。 我到现在还不知道怎么用C++搭建一个支持并发的Web服务…… 如果你也碰到了上述问题，那么Go可以说是你的最佳选择了。 Go的goroutine提供了简单的并发（当然，如果使用其自带的net/http包的话，连goroutine都不用写了）， 而且，Go自带垃圾回收机制，不用像写C++那样痛苦。此外，编译后的Go程序，执行效率高于python。

下面给出我的Go语言服务端模板代码。