Мы запускаем сервер модели Tensorflow на нашем собственном предприятии (он работает на Kubernetes за сервером Nginx и Kong API Gateway), и мне удалось запросить сервер для прогнозирования модели. Чтобы сделать запрос, я должен включить в заголовок токен доступа ('Authorization: Bearer my-access-token'), который я получаю от нашего собственного сервера авторизации OAuth2. Теперь я хочу позвонить на сервер, чтобы обновить model_config (как показано на здесь). Приведенный там пример показывает что-то вроде этого:
channel = grpc.insecure_channel(host)
stub = model_service_pb2_grpc.ModelServiceStub(channel)
request = model_management_pb2.ReloadConfigRequest()
model_server_config = model_server_config_pb2.ModelServerConfig()
Кажется, что я должен использовать secure_channel вместо небезопасного, но я не могу найти способ создать его только с моим токеном доступа. Если я хорошо понимаю, что я прочитал здесь из документации gRPC Python, чтобы создать безопасный канал, я должен передать в качестве аргумента то, что они называют экземпляром ChannelCredentials, который, похоже, должен использоваться с каналом с поддержкой SSL. Разве нельзя просто использовать мой токен доступа для создания безопасного канала с сервером модели тензорного потока gRPC? В конце концов, я могу получить к нему доступ для службы прогнозирования, не правда ли?
