当主机有多个内核时,我在docker上的模型上运行推断很难。该模型通过Pytorch 1.0 ONNX导出器导出:
torch.onnx.export(pytorch_net, dummyseq, ONNX_MODEL_PATH)
用单个核心启动模型服务器(用烧瓶包装)可接受性能(CPUSET将过程列为特定CPU)docker run --rm -p 8081:8080 --cpus 0.5 --cpuset-cpus 0 my_container
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
,但将其固定在四个内核中给出了同一AB-CLAL-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,除了此问题外,它似乎可以按预期工作。(这在与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,其中具有某些效果,但这不是最终问题。
您在这里看到的基准统计数据是在带有8个高线程的本地计算机上运行的,因此我不应该饱和我的计算机并影响测试。这些结果也出现在我的Kubernetes环境中,我在那里有大量的CFS(完全公平的调度程序)。
我正在kubernetes环境中跑步,所以我无法控制主机曝光多少CPU,并且在此固定似乎也有些骇人。
有什么方法可以将CAFFE2模型推断为单个处理器?我在这里显然做错了吗?caffe2.predictor对象不适合此任务吗?
任何帮助。
编辑:
我在这里添加了我可以想到的最简单的可再现示例,其中包括:https://github.com/negation/caffe2struggles
这不是对问题的直接答案,但是如果您的目标是在生产中提供Pytorch模型(并且只有pytorch模型,那么仅使用Pytorch模型),那么只需使用Pytorch Tracing即可成为更好的选择。
然后,您可以将其直接加载到C 前端中,类似于您通过CAFFE2的操作,但是Pytorch Tracing似乎维护得更良好。从我可以看到的没有速度放慢速度的情况下,配置要容易得多。
这样的示例是在单核容器上获得良好的性能,就像以前一样用OMP_NUM_THREADS=1
运行,并如下导出模型:
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")
,然后只需按照上述指南或通过python接口以纯C 的形式运行模型:
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"])