Caffe2：加载ONNX模型，并在多核主机/ docker上进行单线程推理

Question

当主机有多个内核时，我无法在docker中对模型进行推断。 该模型通过PyTorch 1.0 ONNX导出器导出：

torch.onnx.export(pytorch_net, dummyseq, ONNX_MODEL_PATH)

使用单核启动模型服务器（包装在Flask中）会产生可接受的性能（cpuset将进程固定到特定的docker run --rm -p 8081:8080 --cpus 0.5 --cpuset-cpus 0 my_container ） docker run --rm -p 8081:8080 --cpus 0.5 --cpuset-cpus 0 my_container

回复来自ab -c 1 -n 1000 http://0.0.0.0:8081/predict\\?itemids\\=5,100

Percentage of the requests served within a certain time (ms)
  50%      5
  66%      5
  75%      5
  80%      5
  90%      7
  95%     46
  98%     48
  99%     49

但是将它固定到四个核心可以为同一个ab-call docker run --rm -p 8081:8080 --cpus 0.5 --cpuset-cpus 0,1,2,3 my_container提供完全不同的统计数据docker run --rm -p 8081:8080 --cpus 0.5 --cpuset-cpus 0,1,2,3 my_container

Percentage of the requests served within a certain time (ms)
  50%      9
  66%     12
  75%     14
  80%     18
  90%     62
  95%     66
  98%     69
  99%     69
 100%     77 (longest request)

模型推断是这样完成的，除了这个问题，它似乎按预期工作。 （当然，这在模型导出的完全独立的环境中运行）

from caffe2.python import workspace
from caffe2.python.onnx.backend import Caffe2Backend as c2
from onnx import ModelProto


class Model:
    def __init__(self):
        self.predictor = create_caffe2_predictor(path)

    @staticmethod
    def create_caffe2_predictor(onnx_file_path):
        with open(onnx_file_path, 'rb') as onnx_model:
            onnx_model_proto = ModelProto()
            onnx_model_proto.ParseFromString(onnx_model.read())
            init_net, predict_net = c2.onnx_graph_to_caffe2_net(onnx_model_proto)
            predictor = workspace.Predictor(init_net, predict_net)
        return predictor


    def predict(self, numpy_array):
        return self.predictor.run({'0': numpy_array})

** wrapper flask app which calls Model.predict() on calls to /predict **

OMP_NUM_THREADS=1也存在于容器环境中，这有一些影响，但它不是最终问题。

您在这里看到的基准统计数据是在具有8个超线程的本地计算机上运行的，因此我不应该使我的计算机饱和并影响测试。 这些结果也出现在我的kubernetes环境中，并且我在那里得到了大量的CFS（完全公平调度程序）限制。

我正在kubernetes环境中运行，所以我无法控制主机暴露的CPU数量，并且做某种固定似乎有点hacky。

有没有办法将caffe2模型推理到单个处理器？ 我在做一些明显不对的事吗？ caffe2.Predictor对象不适合此任务吗？

任何帮助赞赏。

编辑：

我添加了一个我能想到的最简单的可重现的例子，包括一个docker-container和run-script： https ： //github.com/NegatioN/Caffe2Struggles

Answer 1

这不是问题的直接答案，但如果你的目标是在生产中服务PyTorch模型（现在只有PyTorch模型，就像我的那样），那么简单地使用PyTorch Tracing似乎是更好的选择。

然后，您可以将其直接加载到C ++前端，类似于您通过Caffe2执行的操作，但PyTorch跟踪似乎保持得更好。 从我所看到的，没有速度减速，但配置起来要容易得多。

在单核容器上获得良好性能的一个示例是像以前一样使用OMP_NUM_THREADS=1运行，并按如下方式导出模型：

from torch import jit
### Create a model
model.eval()
traced = jit.trace(model, torch.from_numpy(an_array_with_input_size))
traced.save("traced.pt")

然后只需按照上面的指南在纯C ++中运行模型，或者通过Python接口运行：

from torch import jit
model = jit.load("traced.pt")
output = model(some_input)

Answer 2

我认为这应该有效：

workspace.GlobalInit(["caffe2", "--caffe2_omp_num_threads=1"])