在GPU上利用TensorFlow Serving 部署ResNet

TensorFlow Serving 是用于机器学习模型的高性能灵活服务系统，而 NVIDIA TensorRT™ 是实现高性能深度学习推理的平台，通过将二者相结合，用户便可获得更高性能，从而轻松实现 GPU 推理。TensorFlow 团队与 NVIDIA 合作，在 TensorFlow v1.7 中首次添加了对 TensorRT 的支持。此后，我们一直密切合作，共同改进 TensorFlow-TensorRT 集成（称为 TF-TRT）。TensorFlow Serving 1.13 现已实现这种集成，TensorFlow 2.0 很快也会进行集成。

在 之前的文章 中，我们介绍了如何借助 Docker 使用 TensorFlow Serving。在本文中，我们将展示以同样的方式运行经 TF-TRT 转换的模型有多简单。与之前一样，我们尝试在生产环境中部署 ResNet 模型。下方所有示例均在配备 Titan-V GPU 的工作站上运行。

注：ResNet 链接

https://github.com/tensorflow/models/tree/master/official/resnet

在 GPU 上利用 TensorFlow Serving 部署 ResNet

在这项练习中，我们仅下载 经过预训练的 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

注：经过预训练的 ResNet 链接

https://github.com/tensorflow/models/tree/master/official/resnet#pre-trained-model

在之前的文章中，我们展示了如何使用 TensorFlow Serving CPU Docker 图像提供模型。在这里，我们运行 GPU Docker 图像（请查看 此处 了解相关说明），以借助 GPU 提供并测试此模型：

$ 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:286] Running gRPC ModelServer at 0.0.0.0:8500 …

… server.cc:302] 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

注：此处 链接

https://www.tensorflow.org/serving/docker#serving_with_docker_using_your_gpu

此 docker run 命令会启动 TensorFlow Serving 服务器，以提供 /tmp/resnet 中已下载的 SavedModel，并在主机中开放 REST API 端口 8501。resnet_client.py 会发送一些图像给服务器，并返回服务器所作的预测。现在让我们终止 TensorFlow Serving 容器的运行，以释放所占用的 GPU 资源。

$ docker kill tfserving_resnet

注：REST API 链接

https://www.tensorflow.org/tfx/serving/api_rest

利用 TF-TRT 转换和部署模型

现在，我们有了工作模型。为了享受 TensorRT 带来的好处，我们需要在 TensorFlow Serving Docker 容器内运行转换命令，从而将此模型转换为使用 TensorRT 运行运算的模型：

$ 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

在这里，我们运行了 saved_model_cli 命令行工具，其中内置了对 TF-TRT 转换的支持。--dir 和 --output_dir 参数会指示 SavedModel 的位置以及在何处输出转换后的 SavedModel，而 --tag_set 则指示 SavedModel 中要转换的图表。随后，我们在命令行中传递 tensorrt 并指定配置，明确指示其运行 TF-TRT 转换器：

--precision_mode 指示转换器需使用的精度，目前其仅支持 FP32 和 FP16

--max_batch_size 指示输入的批次大小上限。此转换器要求将由 TensorRT 处理的所有张量将其首个维度作为批次维度，而该参数则指示推理过程中会产生的最大值。若已知推理过程中的实际批次大小上限且该值与之匹配，则转换后的模型即为最优模型。请注意，转换后的模型无法处理批次规模大于此处所指定大小的输入，但可处理批次规模更小的输入

--is_dynamic_op 指示在模型运行时进行实际转换。原因在于，在进行转换时，TensorRT 需要明确所有形状。对于本例中使用的 ResNet 模型，其张量没有固定的形状，因此我们需要此参数

注：saved_model_cli 链接

https://www.tensorflow.org/guide/saved_model#cli_to_inspect_and_execute_savedmodel

现在，我们只需为模型指定正确的目录，便可利用 Docker 提供经 TF-TRT 转换的模型，这与之前一样简单：

$ 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:286] Running gRPC ModelServer at 0.0.0.0:8500 …

… server.cc:302] Exporting HTTP/REST API at:localhost:8501 …

向其发送请求：

$ python /tmp/resnet/resnet_client.py

Prediction class:286, avg latency:15.0287 ms

最后，我们终止容器的运行：

$ docker kill tfserving_resnet

我们可以看到，使用 TensorFlow Serving 和 Docker 生成经 TF-TRT 转换的模型与提供一般模型一样简单。此外，以上为展示内容，其中的性能数字仅适用于我们所使用的模型和运行本示例的设备，但它的确展现出使用 TF-TRT 所带来的性能优势。

TensorFlow 2.0 发布在即，TensorFlow 团队和 NVIDIA 正在共同努力，以确保 TF-TRT 能在 2.0 中流畅运行。如需了解最新信息，请查看 TF-TRT GitHub 代码库 (https://github.com/tensorflow/tensorrt)。