Question

当主机具有多个核心时，我无法在docker中的模型上运行推理。通过PyTorch 1.0 ONNX导出器导出模型：

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cpus）docker run --rm -p 8081:8080 --cpus 0.5 --cpuset-cpus 0 my_container

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

的回复

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

但是将其固定到四个内核将为完全相同的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信息

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。（这在与模型导出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，它具有 some 的作用，但这不是最终问题。

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。这些结果也显示在我的kubernetes环境中，并且在那里出现了大量的CFS（完全公平调度程序）。

我正在kubernetes环境中运行，因此我无法控制主机公开的CPU数量，并且在那里进行某种固定似乎也很麻烦。

有没有办法将caffe2模型推论固定到单个处理器？我在这里做错什么吗？ caffe2.Predictor对象是否不适合此任务？

任何帮助表示赞赏。

编辑：

我添加了我在这里可以想到的最简单的可复制示例，其中包含docker-container和run-script：https://github.com/NegatioN/Caffe2Struggles

Answer 1

这不是问题的直接答案，但是如果您的目标是在生产中提供PyTorch模型（现在只有PyTorch模型，现在是我的），那么简单地使用PyTorch Tracing似乎是更好的选择。

然后可以像通过Caffe2一样将其直接加载到C ++前端中，但是PyTorch跟踪似乎维护得更好。据我所知，速度没有降低，但是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ProvID / Total_Count / Denied Percentage ----------------------------------------- X12345 / 77 / 0运行，并按如下所示导出模型：

OMP_NUM_THREADS=1

然后按照上述指南，或者通过Python界面，在纯C ++中简单地在生产环境中运行模型：

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")

Answer 2

我认为这应该可行：

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

Caffe2：加载ONNX模型，并在多核主机/ docker上推断单线程

2 个答案: