使用InferenceService部署Transformer服务_服务网格(ASM)-阿里云帮助中心

Transformer是InferenceService的一个组件，用于前置预处理、后置处理和模型推理。使用REST协议与Transformer服务进行交互，可以方便地将原始输入数据转换为模型服务器所需的格式，并实现端到端的数据处理和模型推理流程。

前提条件

当前环境可以正常运行基本的推理服务。具体操作，请参见ASM集成KServe实现云原生AI模型推理服务。

说明

不同的KServe版本可能对输入的数据格式要求不同。本示例使用KServe 0.10版本。更多信息，请参见Deploy Transformer with InferenceService。

步骤一：构建Transformer Docker镜像

方式一：在KServe的github目录下，使用kserve/python下的Dockerfile构建Transformer镜像。

cd python
docker build -t $DOCKER_USER/image-transformer:latest -f custom_transformer.Dockerfile .

docker push {username}/image-transformer:latest

方式二：使用已构建好的镜像。

 asm-registry.cn-hangzhou.cr.aliyuncs.com/asm/kserve-image-custom-transformer:0.10

步骤二：使用REST Predictor部署InferenceService

InferenceService默认用于为PyTorch模型提供TorchServe服务，并可以从云存储的模型存储库中加载模型。本示例模型存储库中包含一个MNIST模型。

使用以下内容，创建transformer-new.yaml文件。

apiVersion: serving.kserve.io/v1beta1
kind: InferenceService
metadata:
  name: torch-transformer
spec:
  predictor:
    model:
      modelFormat:
        name: pytorch
      storageUri: gs://kfserving-examples/models/torchserve/image_classifier/v1
  transformer:
    containers:
      - image: asm-registry.cn-hangzhou.cr.aliyuncs.com/asm/kserve-image-custom-transformer:0.10
        name: kserve-container
        command:
          - "python"
          - "-m"
          - "model"
        args:
          - --model_name
          - mnist

执行以下命令，部署InferenceService。
```
kubectl apply -f transformer-new.yaml
```

步骤三：运行预测

确认请求输入的负载值。

将以下图片文件的内容进行base64编码，并保存为如下input.json文件。

{
    "instances":[
       {
          "image":{
            "b64": "iVBORw0KGgoAAAANSUhEUgAAABwAAAAcCAAAAABXZoBIAAAAw0lEQVR4nGNgGFggVVj4/y8Q2GOR83n+58/fP0DwcSqmpNN7oOTJw6f+/H2pjUU2JCSEk0EWqN0cl828e/FIxvz9/9cCh1zS5z9/G9mwyzl/+PNnKQ45nyNAr9ThMHQ/UG4tDofuB4bQIhz6fIBenMWJQ+7Vn7+zeLCbKXv6z59NOPQVgsIcW4QA9YFi6wNQLrKwsBebW/68DJ388Nun5XFocrqvIFH59+XhBAxThTfeB0r+vP/QHbuDCgr2JmOXoSsAAKK7bU3vISS4AAAAAElFTkSuQmCC"
          }
       }
    ]
}

通过ASM网关访问模型服务。

执行以下命令，获取SERVICE_HOSTNAME。

SERVICE_NAME=torchserve-transformer
SERVICE_HOSTNAME=$(kubectl get inferenceservice $SERVICE_NAME -o jsonpath='{.status.url}' | cut -d "/" -f 3)
echo $SERVICE_HOSTNAME

预期输出：

torchserve-transformer.default.example.com

执行以下命令，访问模型服务。

关于如何获取ASM网关地址，请参见获取入口网关地址。

MODEL_NAME=mnist
INPUT_PATH=@./input.json
ASM_GATEWAY="XXXX" # 请将XXXX替换为ASM网关地址。
curl -v -H "Host: ${SERVICE_HOSTNAME}" -d $INPUT_PATH http://${ASM_GATEWAY}/v1/models/$MODEL_NAME:predict

预期输出：

> POST /v1/models/mnist:predict HTTP/1.1
> Host: torchserve-transformer.default.example.com
> User-Agent: curl/7.79.1
> Accept: */*
> Content-Length: 427
> Content-Type: application/x-www-form-urlencoded
> 
* Mark bundle as not supporting multiuse
< HTTP/1.1 200 OK
< content-length: 19
< content-type: application/json
< date: Mon, 13 Nov 2023 05:53:15 GMT
< server: istio-envoy
< x-envoy-upstream-service-time: 119
< 
* Connection #0 to host xxxx left intact
{"predictions":[2]}%

预期输出表明访问模型服务成功。