Triton Servidor de Inferência com Ultralytics YOLOv8
O Triton Inference Server (anteriormente conhecido como TensorRT Inference Server) é uma solução de software de código aberto desenvolvida pela NVIDIA. Fornece uma solução de inferência em nuvem optimizada para GPUs NVIDIA. Triton simplifica a implementação de modelos de IA em escala na produção. A integração do Ultralytics YOLOv8 com o Triton Inference Server permite-te implementar cargas de trabalho de inferência de aprendizagem profunda escaláveis e de elevado desempenho. Este guia fornece etapas para configurar e testar a integração.
Observa: Introdução ao Servidor de Inferência NVIDIA Triton .
O que é o Triton Inference Server?
Triton O Servidor de Inferência foi concebido para implementar uma variedade de modelos de IA na produção. Suporta uma vasta gama de estruturas de aprendizagem profunda e de aprendizagem automática, incluindo TensorFlow, PyTorch, ONNX Runtime, e muitas outras. Os seus principais casos de utilização são:
- Serve vários modelos a partir de uma única instância de servidor.
- Carrega e descarrega modelos dinâmicos sem reiniciar o servidor.
- Inferência de conjunto, que permite a utilização de vários modelos em conjunto para obter resultados.
- Modelo de versões para testes A/B e actualizações contínuas.
Pré-requisitos
Certifica-te de que tens os seguintes pré-requisitos antes de prosseguires:
- Docker instalado na tua máquina.
- Instala
tritonclient
:
Exportar YOLOv8 para o formato ONNX
Antes de implementares o modelo em Triton, tens de o exportar para o formato ONNX . ONNX (Open Neural Network Exchange) é um formato que permite a transferência de modelos entre diferentes estruturas de aprendizagem profunda. Utiliza o formato export
da função YOLO
classe:
from ultralytics import YOLO
# Load a model
model = YOLO('yolov8n.pt') # load an official model
# Export the model
onnx_file = model.export(format='onnx', dynamic=True)
Configura o repositório de modelos Triton
O Triton Model Repository é um local de armazenamento onde o Triton pode aceder e carregar modelos.
-
Cria a estrutura de directórios necessária:
-
Move o modelo ONNX exportado para o repositório Triton :
Executa Triton Servidor de Inferência
Executa o servidor de inferência Triton utilizando o Docker:
import subprocess
import time
from tritonclient.http import InferenceServerClient
# Define image https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tritonserver
tag = 'nvcr.io/nvidia/tritonserver:23.09-py3' # 6.4 GB
# Pull the image
subprocess.call(f'docker pull {tag}', shell=True)
# Run the Triton server and capture the container ID
container_id = subprocess.check_output(
f'docker run -d --rm -v {triton_repo_path}:/models -p 8000:8000 {tag} tritonserver --model-repository=/models',
shell=True).decode('utf-8').strip()
# Wait for the Triton server to start
triton_client = InferenceServerClient(url='localhost:8000', verbose=False, ssl=False)
# Wait until model is ready
for _ in range(10):
with contextlib.suppress(Exception):
assert triton_client.is_model_ready(model_name)
break
time.sleep(1)
Em seguida, executa a inferência utilizando o modelo do servidor Triton :
from ultralytics import YOLO
# Load the Triton Server model
model = YOLO(f'http://localhost:8000/yolo', task='detect')
# Run inference on the server
results = model('path/to/image.jpg')
Limpa o contentor:
# Kill and remove the container at the end of the test
subprocess.call(f'docker kill {container_id}', shell=True)
Seguindo os passos acima, podes implementar e executar Ultralytics YOLOv8 modelos de forma eficiente no Triton Inference Server, fornecendo uma solução escalável e de elevado desempenho para tarefas de inferência de aprendizagem profunda. Se tiveres problemas ou outras dúvidas, consulta a documentação oficial Triton ou entra em contacto com a comunidade Ultralytics para obteres apoio.