将模型加载到Tensorflow服务容器中，并使用protobufs与之通信

我知道如何将模型加载到tensorflow服务容器中，并通过http请求与之通信，但我对如何使用protobufs有点困惑。使用protobufs的步骤是什么？我是否应该将一个模型加载到容器中并使用如下内容：

from tensorflow_serving.apis import 

request = predict_pb2.PredictRequest()
request.model_spec.name = 'resnet'
request.model_spec.signature_name = 'serving_default' 

---

或者在加载模型之后/之前，我必须执行一些额外的步骤？

以下是在Python中对gRPC进行推断调用的示例代码：

---

在上面的同一个文件夹中，您将找到调用REST端点的示例。

感谢它的帮助。我想我必须为模型创建一个.proto文件，但它只是在加载模型。奇怪的是grpc和proto并没有比使用RESTAPI快多少。我运行了一个测试，使用这两种方法查询了1000次图像，grpc在70秒内完成了，而rest在71秒内完成了，这是正常的还是差异应该大于此？仅供大家参考，因为我发现grpc在处理海量数据时显示了它的优势。我之前的实验是用一个非常小的图像，但当我使用一个比它大100倍（4MB）的图像时，我观察到grpc的速度大约快30%。