如何使用云原生AI套件进行模型分析优化_容器服务Kubernetes版-阿里云帮助中心

背景信息

大部分数据科学家比较关心模型精度，研发工程师则更关心模型性能。当数据科学家和研发工程师对彼此的领域不熟悉时，容易出现理解偏差，导致模型上线后，出现性能不达标的情况。因此，在模型部署前，通常需要对模型的性能进行测试。如果不达标，则需要对模型进行分析，找到性能瓶颈，优化后才能在线上进行部署。

模型分析工具简介

AI套件提供了模型分析优化工具，在模型正式部署前，对模型进行性能压测，分析模型网络结构、每个算子耗时、GPU使用情况等，找到性能瓶颈，然后使用TensorRT等优化模型，达到上线标准后再进行部署。模型分析优化工具的生命周期如下图所示。

Model Training: 模型训练，通过数据集训练出模型。
Model Benchmark：模型压测，测试模型的Latency、Throughout、GPU利用率等性能指标。
Model Profile: 模型分析，分析模型中可优化性能的地方。
Model Optimize：模型优化，通过TensorRT等方式，优化模型在GPU上的推理性能。
Model Serving：模型服务，将模型部署为在线服务。

说明若您的模型经过一次优化后未达到上线标准，您可以持续对模型进行压测、分析和优化操作。

交互方式

模型分析优化工具通过Arena命令行方式进行交互，支持在ACK Pro版集群中提交分析、优化、压测和评测任务。您可以通过使用arena model --help命令，查看相应的操作。

submit a model analyze job.

Available Commands:
  profile          Submit a model profile job.
  evaluate         Submit a model evaluate job.
  optimize         Submit a model optimize job.
  benchmark        Submit a model benchmark job

Usage:
  arena model [flags]
  arena model [command]

Available Commands:
  benchmark   Submit a model benchmark job
  delete      Delete a model job
  evaluate    Submit a model evaluate job
  get         Get a model job
  list        List all the model jobs
  optimize    Submit a model optimize job, this is a experimental feature
  profile     Submit a model profile job

模型配置

在使用Arena模型分析命令时，您可以使用以下JSON格式内容，创建一个模型配置文件。

{
  "model_name": "resnet18",
  "model_platform": "torchscript",
  "model_path": "/data/models/resnet18/resnet18.pt",
  "inputs": [
    {
      "name": "input",
      "data_type": "float32",
      "shape": [1, 3, 224, 224]
    }
  ],
  "outputs": [
    {
        "name": "output",
        "data_type": "float32",
        "shape": [ 1000 ]
    }
  ]
}

关键参数说明：

model_name：模型名称。
model_platform：模型平台或框架，如torchscript、onnx。
model_path：模型存储路径。
inputs：输入参数，支持一个或多个参数。
outputs：输出参数，支持一个或多个参数。

步骤一：准备模型

PyTorch模型部署推荐使用TorchScript的方式。本文以使用PyTorch官方提供的Resnet18模型为例。

模型转换。将Resnet18模型转换为TorchScript格式，并进行保存。

import torch
import torchvision

model = torchvision.models.resnet18(pretrained=True)

# Switch the model to eval model
model.eval()

# An example input you would normally provide to your model's forward() method.
dummy_input = torch.rand(1, 3, 224, 224)

# Use torch.jit.trace to generate a torch.jit.ScriptModule via tracing.
traced_script_module = torch.jit.trace(model, dummy_input)

# Save the TorchScript model
traced_script_module.save("resnet18.pt")

上传至OSS。模型转换完成后，将resnet18.pt上传至OSS，路径为oss://<bucket>/models/resnet18/resnet18.pt。

步骤二：压测性能

在模型正式部署前，需要对模型进行性能压测，查看是否符合性能要求，本文使用Arena提供的性能压测工具，以集群default命名空间下名为oss-pvc的PVC为例。更多信息，请参见通过控制台的方式使用OSS静态存储卷。

准备并上传模型配置文件。

创建模型配置文件，本文以名为config.json的模型配置文件为例。

{
  "model_name": "resnet18",
  "model_platform": "torchscript",
  "model_path": "/data/models/resnet18/resnet18.pt",
  "inputs": [
    {
      "name": "input",
      "data_type": "float32",
      "shape": [1, 3, 224, 224]
    }
  ],
  "outputs": [
    {
        "name": "output",
        "data_type": "float32",
        "shape": [ 1000 ]
    }
  ]
}

将模型配置文件上传至OSS，路径为oss://<bucket>/models/resnet18/config.json。

使用以下命令在ACK Pro版集群提交模型压测任务。
```
  arena model benchmark \
  --name=resnet18-benchmark \
  --namespace=default \
  --image=registry.cn-beijing.aliyuncs.com/kube-ai/easy-inference:1.0.2 \
  --gpus=1 \
  --data=oss-pvc:/data \
  --model-config-file=/data/models/resnet18/config.json \
  --report-path=/data/models/resnet18 \
  --concurrency=5 \
  --duration=60
```
关键参数说明：
- --gpus：使用的GPU卡数。
- --data：集群PVC及挂载到容器后的路径。
- --model-config-file：配置文件路径。
- --report-path：测试报告保存路径。
- --concurrency：并发请求数量。
- --duration：压测时间，单位为秒。
注意 --requests和--duration两个参数互斥，性能压测时指定一个即可。
- 若您需要指定压测的具体时间，请配置--duration参数，例如--duration=60。
- 若您需要指定压测的总请求数量，请配置--requests参数，例如--requests=1000。
- 如果您同时配置了--duration和--requests参数，系统默认使用--duration参数。

使用以下命令查看任务状态。

arena model list -A

预期输出：

NAMESPACE      NAME                        STATUS    TYPE       DURATION  AGE  GPU(Requested)
default        resnet18-benchmark          COMPLETE  Benchmark  0s        2d   1

查看压测报告。当STATUS显示为COMPLETE时，表示压测完成。此时，可以在--report-path测试报告保存路径下查看名为benchmark_result.txt的压测报告。

预期输出：

{
    "p90_latency":7.511,
    "p95_latency":7.86,
    "p99_latency":9.34,
    "min_latency":7.019,
    "max_latency":12.269,
    "mean_latency":7.312,
    "median_latency":7.206,
    "throughput":136,
    "gpu_mem_used":1.47,
    "gpu_utilization":21.280
}

压测报告中的各项指标信息如下表所示。


指标名称	说明	单位
p90_latency	90%请求耗时	毫秒
p95_latency	95%请求耗时	毫秒
p99_latency	99%请求耗时	毫秒
min_latency	最小请求耗时	毫秒
max_latency	最大请求耗时	毫秒
mean_latency	平均值	毫秒
median_latency	中值	毫秒
throughput	吞吐量	次
gpu_mem_used	GPU显存使用	GB
gpu_utilization	GPU利用率	百分比

步骤三：分析模型

当压测完成后，如果发现性能不达标，可以使用arena model profile命令分析模型，找到性能瓶颈和可优化点。

使用以下命令在ACK Pro版集群提交模型分析任务。

  arena model profile \
  --name=resnet18-profile \
  --namespace=default \
  --image=registry.cn-beijing.aliyuncs.com/kube-ai/easy-inference:1.0.2 \
  --gpus=1 \
  --data=oss-pvc:/data \
  --model-config-file=/data/models/resnet18/config.json \
  --report-path=/data/models/resnet18/log/ \
  --tensorboard \
  --tensorboard-image=registry.cn-beijing.aliyuncs.com/kube-ai/easy-inference:1.0.2

关键参数说明：

--gpus：使用的GPU卡数。
--data：集群PVC及挂载到容器后的路径。
--model-config-file：配置文件路径。
--report-path：分析结果保存路径。
--tensorboard：是否启用Tensorboard查看分析结果。
--tensorboard-image：Tensorboard镜像。

使用以下命令查看任务状态。

arena model list -A

预期输出：

NAMESPACE      NAME                        STATUS    TYPE       DURATION  AGE  GPU(Requested)
default        resnet18-profile            COMPLETE  Profile    13s       2d   1

使用以下命令查看Tensorboard状态。

kubectl get service -n default

预期输出：

NAME                           TYPE       CLUSTER-IP       EXTERNAL-IP   PORT(S)          AGE
resnet18-profile-tensorboard   NodePort   172.16.158.170   <none>        6006:30582/TCP   2d20h

使用以下命令进行端口转发，访问Tensorboard。

kubectl port-forward svc/resnet18-profile-tensorboard -n default 6006:6006

预期输出：

Forwarding from 127.0.X.X:6006 -> 6006
Forwarding from [::1]:6006 -> 6006

在浏览器输入localhost:6006查看分析结果。

在左侧导航栏单击Views，可查看不同维度的分析结果。您可以根据分析结果找到模型的可优化点。

步骤四：优化模型

Arena提供模型优化工具，您可以通过arena model optimize命令提交模型优化任务。

使用以下命令在ACK Pro版集群提交模型优化任务。
```
  arena model optimize \
  --name=resnet18-optimize \
  --namespace=default \
  --image=registry.cn-beijing.aliyuncs.com/kube-ai/easy-inference:1.0.2 \
  --gpus=1 \
  --data=oss-pvc:/data \
  --optimizer=tensorrt \
  --model-config-file=/data/models/resnet18/config.json \
  --export-path=/data/models/resnet18
```
关键参数说明：
- --gpus：使用的GPU卡数。
- --data：集群PVC及挂载到容器后的路径。
- --optimizer：指定优化方式。优化方式包括tensorrt和aiacc-torch，默认使用tensorrt优化模型。关于aiacc-torch的更多信息，请参见什么是神龙AI加速引擎AIACC。
- --model-config-file：配置文件路径。
- --export-path：优化后的模型保存路径。

使用以下命令查看任务状态。

arena model list -A

预期输出：

NAMESPACE      NAME                        STATUS    TYPE       DURATION  AGE  GPU(Requested)
default        resnet18-optimize           COMPLETE  Optimize   16s       2d   1

查看优化后的模型文件。当STATUS显示为COMPLETE时，表示优化任务执行完成。此时，可以在--export-path目录下查看名为opt_resnet18.pt的模型文件。

修复模型压测配置文件中的--model_path，再次进行压测性能。关于压测性能的具体操作，请参见步骤二：压测性能。

优化前后模型的性能指标如下表所示。


指标	优化前	优化后
p90_latency	7.511毫秒	5.162毫秒
p95_latency	7.86毫秒	5.428毫秒
p99_latency	9.34毫秒	6.64毫秒
min_latency	7.019毫秒	4.827毫秒
max_latency	12.269毫秒	8.426毫秒
mean_latency	7.312毫秒	5.046毫秒
median_latency	7.206毫秒	4.972毫秒
throughput	136次	198次
gpu_mem_used	1.47 GB	1.6 GB
gpu_utilization	21.280%	10.912%

对比优化前后的各项指标数据，可以发现模型经过优化后，模型性能有了较大的提升，且GPU利用率降低。如果模型性能仍不达标，可继续进行模型分析和模型优化。

步骤五：部署模型

模型性能达到要求后，可在线上进行部署操作。Arena支持使用Nvidia Triton Server部署TorchScript模型。关于Nvidia Triton Server的更多信息，请参见Nvidia Triton Server。

创建名为config.pbtxt的配置文件（该文件名不能修改）。

name: "resnet18"
platform: "pytorch_libtorch"
max_batch_size: 1
default_model_filename: "opt_resnet18.pt"
input [
    {
        name: "input__0"
        format: FORMAT_NCHW
        data_type: TYPE_FP32
        dims: [ 3, 224, 224 ]
    }
]
output [
    {
        name: "output__0",
        data_type: TYPE_FP32,
        dims: [ 1000 ]
    }
]

说明关于配置文件的参数说明，请参见Nvidia Triton Server模型仓库。

在OSS上按照如下结构组织目录。
```
oss://<bucket>/triton/model-repository/
    resnet18/
      config.pbtxt
      1/
        opt_resnet18.pt
```
说明 1/是Nvidia Triton Server的规范，表示版本号。一个模型目录下可以有多个版本。更多信息，请参见 Nvidia Triton Server模型仓库。
使用Arena进行部署。模型部署支持GPU独占和共享两种方式。
- GPU独占：对于稳定性要求特别高的推理服务，可以采用独占的方式，一个卡上只部署一个模型，不会出现资源竞争。您可以使用以下命令以GPU独占的方式进行部署。
```
  arena serve triton \
  --name=resnet18-serving \
  --gpus=1 \
  --replicas=1 \
  --image=nvcr.io/nvidia/tritonserver:21.05-py3 \
  --data=oss-pvc:/data \
  --model-repository=/data/triton/model-repository \
  --allow-metrics=true
```
- GPU共享：对于一些长尾推理服务，或者对成本比较敏感的推理服务，可以考虑使用GPU共享，在一个卡上部署多个模型，每个模型限定显存使用量。您可以使用以下命令以GPU共享的方式进行部署。
  GPU共享部署时，需要指定--gpumemory参数，即每个Pod占用的显存大小，此参数值可以根据模型性能压测结果中的gpu_mem_used进行设定。例如，压测结果中gpu_mem_used参数为1.6 GB，由于--gpumemory只能是正整数，单位为GB，因此设为2。
```
  arena serve triton \
  --name=resnet18 \
  --gpumemory=2 \
  --replicas=1 \
  --image=nvcr.io/nvidia/tritonserver:21.12-py3 \
  --data=oss-pvc:/data \
  --model-repository=/data/triton/model-repository \
  --allow-metrics=true
```

使用以下命令查看部署情况。

arena serve list -A

预期输出：

NAMESPACE      NAME              TYPE    VERSION       DESIRED  AVAILABLE  ADDRESS         PORTS                   GPU
default        resnet18-serving  Triton  202202141817  1        1          172.16.147.248  RESTFUL:8000,GRPC:8001  1

当AVAILABLE 的实例数与DESIRED 相等时，表示模型部署成功。

前提条件

背景信息

模型分析工具简介

步骤一：准备模型

步骤二：压测性能

步骤三：分析模型

步骤四：优化模型

步骤五：部署模型