3.5 KiB

Raw Blame History

Linux GPU/CPU PYTHON 服务化部署测试

Linux GPU/CPU PYTHON 服务化部署测试的主程序为test_serving_infer_python.sh，可以测试基于Python的模型服务化部署功能。

1. 测试结论汇总

推理相关：

算法名称	模型名称	device_CPU	device_GPU
MobileNetV3	MobileNetV3_large_x1_0	支持	支持
PP-ShiTu	PPShiTu_general_rec、PPShiTu_mainbody_det	支持	支持
PPHGNet	PPHGNet_small	支持	支持
PPHGNet	PPHGNet_tiny	支持	支持
PPLCNet	PPLCNet_x0_25	支持	支持
PPLCNet	PPLCNet_x0_35	支持	支持
PPLCNet	PPLCNet_x0_5	支持	支持
PPLCNet	PPLCNet_x0_75	支持	支持
PPLCNet	PPLCNet_x1_0	支持	支持
PPLCNet	PPLCNet_x1_5	支持	支持
PPLCNet	PPLCNet_x2_0	支持	支持
PPLCNet	PPLCNet_x2_5	支持	支持
PPLCNetV2	PPLCNetV2_base	支持	支持
ResNet	ResNet50	支持	支持
ResNet	ResNet50_vd	支持	支持
SwinTransformer	SwinTransformer_tiny_patch4_window7_224	支持	支持

2. 测试流程

2.1 准备数据

分类模型默认使用./deploy/paddleserving/daisy.jpg作为测试输入图片，无需下载识别模型默认使用drink_dataset_v1.0/test_images/001.jpeg作为测试输入图片，在2.2 准备环境中会下载好。

2.2 准备环境

安装PaddlePaddle：如果您已经安装了2.2或者以上版本的paddlepaddle，那么无需运行下面的命令安装paddlepaddle。

# 需要安装2.2及以上版本的Paddle
# 安装GPU版本的Paddle
python3.7 -m pip install paddlepaddle-gpu==2.2.0
# 安装CPU版本的Paddle
python3.7 -m pip install paddlepaddle==2.2.0

安装依赖

python3.7 -m pip install  -r requirements.txt

安装 PaddleServing 相关组件，包括serving-server、serving_client、serving-app，自动下载并解压推理模型

bash test_tipc/prepare.sh test_tipc/configs/ResNet50/ResNet50_linux_gpu_normal_normal_serving_python_linux_gpu_cpu.txt serving_infer

2.3 功能测试

测试方法如下所示，希望测试不同的模型文件，只需更换为自己的参数配置文件，即可完成对应模型的测试。

bash test_tipc/test_serving_infer_python.sh ${your_params_file}

以ResNet50的Linux GPU/CPU PYTHON 服务化部署测试为例，命令如下所示。

bash test_tipc/test_serving_infer_python.sh test_tipc/configs/ResNet50/ResNet50_linux_gpu_normal_normal_serving_python_linux_gpu_cpu.txt

输出结果如下，表示命令运行成功。

Run successfully with command - python3.7 pipeline_http_client.py > ../../test_tipc/output/ResNet50/server_infer_gpu_pipeline_http_batchsize_1.log 2>&1!
Run successfully with command - python3.7 pipeline_http_client.py > ../../test_tipc/output/ResNet50/server_infer_cpu_pipeline_http_batchsize_1.log 2>&1 !

预测结果会自动保存在 ./test_tipc/output/ResNet50/server_infer_gpu_pipeline_http_batchsize_1.log ，可以看到 PaddleServing 的运行结果：

{'err_no': 0, 'err_msg': '', 'key': ['label', 'prob'], 'value': ["['daisy']", '[0.998314619064331]']}

如果运行失败，也会在终端中输出运行失败的日志信息以及对应的运行命令。可以基于该命令，分析运行失败的原因。

3.5 KiB Raw Blame History Unescape Escape