目录
torch-model-archiver使用默认处理程序进行初始化，预处理和后处理。如果您具有自定义模型或想要引入自定义逻辑以扩展默认处理程序，则仍可以编写自定义处理程序。有关受支持的默认处理程序的完整列表，请参见GitHub repo。有关编写自己的自定义处理程序的说明，请参见GitHub repo。
TorchServe提供了一个管理API，用于列出已注册的模型，将新模型注册到现有服务器，取消注册当前模型，增加或减少每个模型的工作人员数量，描述模型的状态，添加版本以及设置默认版本。Management API正在端口8081上侦听，并且默认情况下只能从localhost访问，但是您可以更改默认行为。
通过1，已经生成了分类、分割、检测模型。
ls model_store/
=>
densenet161.mar densenet161_ts.mar fcn_resnet_101.mar maskrcnn.mar要注册新模型，请完成以下步骤：
step1、首先启动服务，注册一个模型
torchserve --start --model-store model_store --models densenet161=densenet161.marstep2、查询已注册的模型
curl "http://localhost:8081/models"结果：
若，结果与期望值不一致，删除logs文件夹缓存即可。
curl -X POST "http://localhost:8081/models?url=maskrcnn.mar"打印结果：
{
"status": "Model \"maskrcnn\" Version: 1.0 registered with 0 initial workers. Use scale workers API to add workers for the model."
}
curl "http://localhost:8081/models"输出：
curl "http://localhost:8081/models/densenet161"
curl "http://localhost:8081/models/maskrcnn"
与直接启动服务的densenet161不一样，未新模型分配进程数worker，因此请使用以下代码设置最小worker数：
curl -v -X PUT "http://localhost:8081/models/maskrcnn?min_worker=2"打印：
再次查询状态：
curl "http://localhost:8081/models/maskrcnn"结果：
如果模型托管在具有许多核心的CPU上，例如具有96个vCPU的c5.24xlarge EC2实例，则可以使用上述方法轻松扩展线程数。
curl -X DELETE http://localhost:8081/models/fastrcnn/要对模型进行版本控制，请在调用时torch-model-archiver，将版本号传递给--version,请参见以下代码：
torch-model-archiver --model-name fastrcnn --version 1.0 ...TorchServe使您可以轻松访问完全可自定义的日志和指标。默认情况下，TorchServe将日志消息打印到stderr和stout。TorchServe使用log4j，您可以通过修改log4j属性来自 定义日志记录。
TorchServe也收集系统级的指标，如CPUUtilization，DiskUtilization在默认情况下，和其他人。您还可以使用指标API指定自定义指标。以下屏幕快照显示了从TorchServe请求推理时的默认日志输出。
