[英]Caffe2: Load ONNX model, and inference single threaded on multi-core host / docker
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
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)
我认为这应该有效:
workspace.GlobalInit(["caffe2", "--caffe2_omp_num_threads=1"])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.