AI 助理
备案控制台
文档
输入文档关键字查找
首页 容器服务 Kubernetes 版 ACK 云原生AI套件 操作指南 AI任务管理 模型分析优化

模型分析优化

更新时间：
产品详情
我的收藏

为了确保模型在正式部署前达到上线标准，您可以使用模型分析优化工具对模型进行性能压测、模型分析、模型优化等操作，对模型的性能进行分析优化。本文以PyTorch官方提供的Resnet18模型、GPU类型为V100卡为例，介绍如何使用模型分析优化工具。

前提条件

  • 集群类型为ACK Pro版且版本不低于1.20，集群中至少包含一个GPU节点。关于升级集群的具体操作，请参见手动升级集群。

  • 已创建Bucket空间，并创建PV和PVC。更多信息，请参见使用OSS静态存储卷。

  • 已安装最新版本Arena。具体操作，请参见配置Arena客户端。

背景信息

大部分数据科学家关心模型精度，而研发工程师更关心模型性能。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等工具对模型进行优化，等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。生命周期

  1. Model Training: 模型训练，通过数据集训练出模型。

  2. Model Benchmark：模型压测，测试模型的Latency、Throughout、GPU利用率等性能指标。

  3. Model Profile: 模型分析，分析模型中可优化性能的地方。

  4. Model Optimize：模型优化，通过TensorRT等方式，优化模型在GPU上的推理性能。

  5. 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。您可以通过执行arena model analyze --help命令，查看相应的操作。

$ arena model analyze --help
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 analyze [flags]
  arena model analyze [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

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。

  1. 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")

    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。

  2. 模型转换完成后，将resnet18.pt上传至OSS，路径为oss://bucketname/models/resnet18/resnet18.pt。具体操作，请参见控制台上传文件。

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，请参见使用OSS静态存储卷。

  1. 准备并上传模型配置文件。

    1. 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 ]
    }
  ]
}

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

  2. 使用以下命令在ACK Pro版集群提交模型压测任务。

    arena model analyze 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

    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

    压测的具体时间，单位为秒。

    重要

    • --requests和--duration两个参数互斥，性能压测时只能指定其中一个。如果同时配置两个参数，系统默认使用--duration参数。

    • 如果需要指定压测的总请求数量，请配置--requests参数。

  3. 使用以下命令查看任务状态。

    arena model analyze list -A

    预期输出：

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

  4. 查看压测报告。当STATUS显示为COMPLETE时，代表压测完成。此时，可以在上一步中配置的测试报告保存路径--report-path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 analyze profile命令分析模型，找到性能瓶颈和可优化点。

  1. 使用以下命令在ACK Pro版集群提交模型分析任务。

    arena model analyze 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

    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镜像地址。

  2. 使用以下命令查看任务状态。

    arena model analyze list -A

    预期输出：

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

  3. 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

  4. 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

  5. 在浏览器中通过http://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。查看分析结果

步骤四：优化模型

Arena提供模型优化工具。

  1. 使用以下命令在ACK Pro版集群提交模型优化任务。

    arena model analyze 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

    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：

    --model-config-file

    配置文件路径。

    --export-path

    优化后的模型保存路径。

  2. 使用以下命令查看任务状态。

    arena model analyze list -A

    预期输出：

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

  3. 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。

  4. 修复模型压测配置文件中的--model_path，再次进行压测。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，模型的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。

  1. 创建名为config.pbtxt的配置文件。

    重要

    这个文件名称不能修改。

    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。

  2. 在OSS上按照如下结构组织目录。

    oss://bucketname/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。

  3. 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

  4. 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 的实例数等于DESIRED ，表示模型部署成功。

上一篇：对MLflow模型仓库中的模型进行管理下一篇：AI服务部署
文档推荐