TensorFlow 攜手 NVIDIA,使用 TensorRT 優化 TensorFlow Serving...

雷鋒網(公眾號：雷鋒網) AI 科技評論按：日前，TensorFlow 團隊與 NVIDIA 攜手合作，將 NVIDIA 用來實現高性能深度學習推理的平臺——TensorRT 與 TensorFlow Serving 打通結合，使用戶可以輕鬆地實現最佳性能的 GPU 推理。目前，TensorFlow Serving 1.13 已實現對 TF-TRT 的支持，而不久後  TensorFlow 2.0 也將支持 TF-TRT 的實現。 TensorFlow 在官方博客中對這項成果進行了發布，雷鋒網 AI 科技評論編譯如下。

TensorFlow Serving 是應用於機器學習模型的靈活的高性能服務系統，而 NVIDIA TensorRT 則是一個用以實現高性能深度學習推理的平臺，將二者相結合後，用戶可以輕鬆地實現最佳性能的 GPU 推理。TensorFlow 團隊與 NVIDIA 攜手合作，在 TensorFlow v1.7 中添加了對 TensorRT 的首度支持，此後，他們更是保持密切的合作，共同致力於對 TensorFlow-TensorRT 集成（被稱作 TF-TRT）進行改進。。目前，TensorFlow Serving 1.13 已實現對 TF-TRT 的支持，而不久後  TensorFlow 2.0 也將支持 TF-TRT 的實現。 

在此前的一篇博客中，我們向大家介紹了怎樣如何藉助 Docker 來使用 TensorFlow Serving。而在本文中，我們要展示的是：以同樣的方法來運行經 TF-TRT 轉換的模型到底有多簡單。一如既往地，我們嘗試將 ResNet 模型部署到生產環境中。下文的所有案例都在配備 Titan-V GPU 的工作站上運行。

在 GPU 上使用 TensorFlow Serving 創建 ResNet

在本次練習中，我們簡單地下載一個經過預訓練的 ResNet SavedModel：

$ mkdir /tmp/resnet
$ curl -s 

https://storage.googleapis.com/download.tensorflow.org/models/official/20181001_resnet/savedmodels/resnet_v2_fp32_savedmodel_NHWC_jpg.tar.gz | tar --strip-components=2 -C /tmp/resnet -xvz
$ ls /tmp/resnet
1538687457

在此前的博客中，我們演示了如何使用 TensorFlow Serving CPU Docker 圖像來創建模型。在這裡，我們運行 GPU Docker 圖像（點擊查看相關說明），從而藉助 GPU 創建並測試此模型：

$ docker pull tensorflow/serving:latest-gpu
$ docker run --rm --runtime=nvidia -p 8501:8501 --name tfserving_resnet \ 

   -v /tmp/resnet:/models/resnet -e MODEL_NAME=resnet -t tensorflow/serving:latest-gpu &

…
… server.cc:313] Running gRPC ModelServer at 0.0.0.0:8500 …
… server.cc:333] Exporting HTTP/REST API at:localhost:8501 …

$ curl -o /tmp/resnet/resnet_client.py 

https://raw.githubusercontent.com/tensorflow/serving/master/tensorflow_serving/example/resnet_client.py
$ python /tmp/resnet/resnet_client.py
Prediction class: 286, avg latency: 18.0469 ms

docker run 命令會啟動 TensorFlow Serving 伺服器，以提供 /tmp/resnet 中已下載的 SavedModel，並在主機中顯示 REST API 埠 8501。resnet_client.py 會給伺服器發送一些圖像，並返回伺服器所作的預測。現在讓我們停止運行 TensorFlow Serving 容器，來釋放其所佔用的 GPU 資源：

$ docker kill tfserving_resnet

利用 TF-TRT 轉換和提供模型

現在，我們有了可以運行的模型。為了能從 TensorRT 受益，我們需要在 TensorFlow Serving Docker 容器內運行轉換命令，從而將現有模型轉換為使用 TensorRT 運行運算的模型：

$ docker pull tensorflow/tensorflow:latest-gpu
$ docker run --rm --runtime=nvidia -it \
      -v /tmp:/tmp tensorflow/tensorflow:latest-gpu \
      /usr/local/bin/saved_model_cli convert \
      --dir /tmp/resnet/1538687457 \
      --output_dir /tmp/resnet_trt/1538687457 \
      --tag_set serve \
      tensorrt --precision_mode FP32 --max_batch_size 1 --

is_dynamic_op True

 在這裡，我們運行了 saved_model_cli 命令行工具，其中內置了對 TF-TRT 轉換的支持。--dir 和 --output_dir 參數會告知它在哪裡找到 SavedModel 以及輸出轉換後的 SavedModel，而 --tag_set 則讓它知道該轉換 SavedModel 中的哪張圖表。隨後，我們通過在命令行中傳遞 tensorrt 並指定配置，明確指示其運行 TF-TRT 轉換器：

• --precision_mode 參數讓轉換器知道所需用到的精度，目前它僅支持 FP32 和 FP16

• --max_batch_size 參數確定輸入的批次大小的上限。此轉換器要求由 TensorRT 處理的所有張量將它們的首個維度作為批次維度，而該參數則讓它知道推理過程中會產生的最大值。如果已知推理過程中的實際批次大小上限，同時該值還能夠與之匹配，那麼轉換後的模型就是最優模型。要注意的是，轉換後的模型無法處理批次規模大於這裡指定了大小的輸入，但對於批次規模更小的輸入，它還是能夠處理的。

• --is_dynamic_op 參數讓它知道在模型運行時進行實際轉換。這是因為在轉換期間，TensorRT 需要知道所有的形狀。對於該案例中所使用的 ResNet 模型，它的張量沒有固定的形狀，這也是我們需要用到該參數的原因。

如此前一樣簡單，我們現在只需為模型指定正確的目錄，便能利用 Docker 提供經 TF-TRT 轉換的模型：

$ docker run --rm --runtime=nvidia -p 8501:8501 \
      --name tfserving_resnet \
      -v /tmp/resnet_trt:/models/resnet \
      -e MODEL_NAME=resnet \
      -t tensorflow/serving:latest-gpu &
…
… server.cc:313] Running gRPC ModelServer at 0.0.0.0:8500 …
… server.cc:333] Exporting HTTP/REST API at:localhost:8501 …

之後向它發送請求：

$ python /tmp/resnet/resnet_client.py
Prediction class: 286, avg latency: 15.0287 ms

最後，停止運行容器：

$ docker kill tfserving_resnet

我們可以看到，使用 TensorFlow Serving 和 Docker 生成經 TF-TRT 轉換的模型與創建一個普通的模型一樣簡單。此外，作為一次演示，上文中的性能數值僅適用於我們所使用的模型和運行該案例的設備，不過它的確體現出使用 TF-TRT 所帶來的性能優勢。

接下來就輪到 TensorFlow 2.0 來實現 TF-TRT 了，而 TensorFlow 團隊和 NVIDIA 也正在合作以確保 TF-TRT 能在 2.0 中流暢運行。大家可前往 TF-TRT 的 Github 開源項目（https://github.com/tensorflow/tensorrt），查看更全面的信息。雷鋒網

via：https://medium.com/tensorflow/optimizing-tensorflow-serving-performance-with-nvidia-tensorrt-6d8a2347869a

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。