Bỏ qua nội dung

Triton Máy chủ suy luận với Ultralytics YOLO11

Máy chủ suy luận Triton (trước đây gọi là TensorRT Inference Server) là một giải pháp phần mềm nguồn mở được phát triển bởi NVIDIA . Nó cung cấp giải pháp suy luận đám mây được tối ưu hóa cho NVIDIA GPU. Triton đơn giản hóa việc triển khai các mô hình AI ở quy mô lớn trong sản xuất. Tích hợp Ultralytics YOLO11 với Triton Inference Server cho phép bạn triển khai khối lượng công việc suy luận học sâu có thể mở rộng và hiệu suất cao. Hướng dẫn này cung cấp các bước để thiết lập và kiểm tra tích hợp.



Đồng hồ: Bắt đầu với NVIDIA Triton Máy chủ suy luận.

Là gì Triton Máy chủ suy luận?

Triton Inference Server được thiết kế để triển khai nhiều mô hình AI khác nhau trong sản xuất. Nó hỗ trợ nhiều khuôn khổ học sâu và học máy , bao gồm TensorFlow , PyTorch , ONNX Runtime và nhiều thứ khác. Các trường hợp sử dụng chính của nó là:

  • Phục vụ nhiều mô hình từ một phiên bản máy chủ duy nhất.
  • Tải và dỡ mô hình động mà không cần khởi động lại máy chủ.
  • Suy luận tổng hợp, cho phép sử dụng nhiều mô hình cùng nhau để đạt được kết quả.
  • Phiên bản mô hình cho thử nghiệm A/B và cập nhật liên tục.

Điều kiện tiên quyết

Hãy đảm bảo bạn có đủ các điều kiện tiên quyết sau trước khi tiếp tục:

  • Docker đã được cài đặt trên máy của bạn.
  • Cài đặt tritonclient: 
    pip install tritonclient[all]

Xuất khẩu YOLO11 ĐẾN ONNX Định dạng

Trước khi triển khai mô hình trên Triton , nó phải được xuất khẩu sang ONNX định dạng. ONNX (Open Neural Network Exchange) là một định dạng cho phép các mô hình được chuyển giao giữa các khuôn khổ học sâu khác nhau. Sử dụng export chức năng từ YOLO lớp học:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load an official model

# Retreive metadata during export
metadata = []


def export_cb(exporter):
    metadata.append(exporter.metadata)


model.add_callback("on_export_end", export_cb)

# Export the model
onnx_file = model.export(format="onnx", dynamic=True)

Thiết lập Triton Kho lưu trữ mô hình

Các Triton Kho lưu trữ mô hình là một vị trí lưu trữ nơi Triton có thể truy cập và tải mô hình.

  1. Tạo cấu trúc thư mục cần thiết:

    from pathlib import Path

# Define paths
model_name = "yolo"
triton_repo_path = Path("tmp") / "triton_repo"
triton_model_path = triton_repo_path / model_name

# Create directories
(triton_model_path / "1").mkdir(parents=True, exist_ok=True)

  2. Di chuyển xuất khẩu ONNX mô hình cho Triton kho lưu trữ:

    from pathlib import Path

# Move ONNX model to Triton Model path
Path(onnx_file).rename(triton_model_path / "1" / "model.onnx")

# Create config file
(triton_model_path / "config.pbtxt").touch()

# (Optional) Enable TensorRT for GPU inference
# First run will be slow due to TensorRT engine conversion
data = """
optimization {
  execution_accelerators {
    gpu_execution_accelerator {
      name: "tensorrt"
      parameters {
        key: "precision_mode"
        value: "FP16"
      }
      parameters {
        key: "max_workspace_size_bytes"
        value: "3221225472"
      }
      parameters {
        key: "trt_engine_cache_enable"
        value: "1"
      }
      parameters {
        key: "trt_engine_cache_path"
        value: "/models/yolo/1"
      }
    }
  }
}
parameters {
  key: "metadata"
  value: {
    string_value: "%s"
  }
}
""" % metadata[0]

with open(triton_model_path / "config.pbtxt", "w") as f:
    f.write(data)

Đang chạy Triton Máy chủ suy luận

Chạy Triton Máy chủ suy luận sử dụng Docker:

import contextlib
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:24.09-py3"  # 8.57 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 --gpus 0 -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)

Sau đó chạy suy luận bằng cách sử dụng Triton Mô hình máy chủ:

from ultralytics import YOLO

# Load the Triton Server model
model = YOLO("http://localhost:8000/yolo", task="detect")

# Run inference on the server
results = model("path/to/image.jpg")

Dọn dẹp thùng chứa:

# Kill and remove the container at the end of the test
subprocess.call(f"docker kill {container_id}", shell=True)

Bằng cách làm theo các bước trên, bạn có thể triển khai và chạy Ultralytics YOLO11 mô hình hiệu quả trên Triton Inference Server, cung cấp giải pháp có khả năng mở rộng và hiệu suất cao cho các tác vụ suy luận học sâu. Nếu bạn gặp bất kỳ sự cố nào hoặc có thêm thắc mắc, hãy tham khảo tài liệu chính thức Triton hoặc liên hệ với Ultralytics cộng đồng để được hỗ trợ.

CÂU HỎI THƯỜNG GẶP

Làm thế nào để tôi thiết lập Ultralytics YOLO11 với NVIDIA Triton Máy chủ suy luận?

Việc thiết lập Ultralytics YOLO11 với NVIDIA Triton Inference Server bao gồm một số bước chính:

  1. Xuất YOLO11 sang định dạng ONNX :

    from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load an official model

# Export the model to ONNX format
onnx_file = model.export(format="onnx", dynamic=True)

  2. Thiết lập kho lưu trữ mô hình Triton :

    from pathlib import Path

# Define paths
model_name = "yolo"
triton_repo_path = Path("tmp") / "triton_repo"
triton_model_path = triton_repo_path / model_name

# Create directories
(triton_model_path / "1").mkdir(parents=True, exist_ok=True)
Path(onnx_file).rename(triton_model_path / "1" / "model.onnx")
(triton_model_path / "config.pbtxt").touch()

  3. Chạy máy chủ Triton :

    import contextlib
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:24.09-py3"

subprocess.call(f"docker pull {tag}", shell=True)

container_id = (
    subprocess.check_output(
        f"docker run -d --rm --gpus 0 -v {triton_repo_path}/models -p 8000:8000 {tag} tritonserver --model-repository=/models",
        shell=True,
    )
    .decode("utf-8")
    .strip()
)

triton_client = InferenceServerClient(url="localhost:8000", verbose=False, ssl=False)

for _ in range(10):
    with contextlib.suppress(Exception):
        assert triton_client.is_model_ready(model_name)
        break
    time.sleep(1)

Thiết lập này có thể giúp bạn triển khai hiệu quả YOLO11 mô hình ở quy mô trên Triton Máy chủ suy luận cho phép suy luận mô hình AI hiệu suất cao.

Lợi ích của việc sử dụng Ultralytics YOLO11 với NVIDIA Triton Inference Server cung cấp những gì?

Việc tích hợp Ultralytics YOLO11 với NVIDIA Triton Inference Server mang lại một số lợi thế:

  • Suy luận AI có thể mở rộng : Triton cho phép phục vụ nhiều mô hình từ một phiên bản máy chủ duy nhất, hỗ trợ tải và dỡ mô hình động, giúp có khả năng mở rộng cao cho nhiều khối lượng công việc AI khác nhau.
  • Hiệu suất cao : Được tối ưu hóa cho NVIDIA GPU, Triton Inference Server đảm bảo các hoạt động suy luận tốc độ cao, hoàn hảo cho các ứng dụng thời gian thực như phát hiện đối tượng .
  • Phiên bản tổng hợp và mô hình : Triton Chế độ tổng hợp cho phép kết hợp nhiều mô hình để cải thiện kết quả và phiên bản mô hình của nó hỗ trợ thử nghiệm A/B và cập nhật liên tục.

Để biết hướng dẫn chi tiết về cách thiết lập và chạy YOLO11 với Triton , bạn có thể tham khảo hướng dẫn thiết lập .

Tại sao tôi nên xuất khẩu của tôi YOLO11 mô hình để ONNX định dạng trước khi sử dụng Triton Máy chủ suy luận?

Sử dụng ONNX Định dạng (Open Neural Network Exchange) cho mô hình Ultralytics YOLO11 của bạn trước khi triển khai trên NVIDIA Triton Inference Server mang lại một số lợi ích chính:

  • Khả năng tương tác : ONNX định dạng hỗ trợ chuyển đổi giữa các khuôn khổ học sâu khác nhau (chẳng hạn như PyTorch , TensorFlow ), đảm bảo khả năng tương thích rộng hơn.
  • Tối ưu hóa : Nhiều môi trường triển khai, bao gồm Triton , tối ưu hóa cho ONNX , cho phép suy luận nhanh hơn và hiệu suất tốt hơn.
  • Dễ dàng triển khai : ONNX được hỗ trợ rộng rãi trên nhiều khuôn khổ và nền tảng, giúp đơn giản hóa quá trình triển khai trong nhiều hệ điều hành và cấu hình phần cứng khác nhau.

Để xuất mô hình của bạn, hãy sử dụng:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
onnx_file = model.export(format="onnx", dynamic=True)

Bạn có thể làm theo các bước trong hướng dẫn xuất để hoàn tất quy trình.

Tôi có thể chạy suy luận bằng cách sử dụng Ultralytics YOLO11 mô hình trên Triton Máy chủ suy luận?

Có, bạn có thể chạy suy luận bằng mô hình Ultralytics YOLO11 trên NVIDIA Triton Inference Server . Sau khi mô hình của bạn được thiết lập trong Triton Khi Model Repository và máy chủ đang chạy, bạn có thể tải và chạy suy luận trên mô hình của mình như sau:

from ultralytics import YOLO

# Load the Triton Server model
model = YOLO("http://localhost:8000/yolo", task="detect")

# Run inference on the server
results = model("path/to/image.jpg")

Để có hướng dẫn chi tiết về cách thiết lập và chạy Triton Máy chủ với YOLO11 , tham khảo phần máy chủ suy luận triton đang chạy .

Làm thế nào Ultralytics YOLO11 so sánh với TensorFlow và PyTorch mô hình triển khai?

Ultralytics YOLO11 cung cấp một số lợi thế độc đáo so với TensorFlow Và PyTorch mô hình triển khai:

  • Hiệu suất thời gian thực : Được tối ưu hóa cho các tác vụ phát hiện đối tượng thời gian thực, YOLO11 cung cấp độ chính xác và tốc độ tiên tiến, lý tưởng cho các ứng dụng yêu cầu phân tích video trực tiếp.
  • Dễ sử dụng : YOLO11 tích hợp liền mạch với Triton Máy chủ suy luận và hỗ trợ nhiều định dạng xuất khác nhau ( ONNX , TensorRT , CoreML ), giúp linh hoạt cho nhiều tình huống triển khai khác nhau.
  • Tính năng nâng cao : YOLO11 bao gồm các tính năng như tải mô hình động, quản lý phiên bản mô hình và suy luận tổng hợp, rất quan trọng cho việc triển khai AI có khả năng mở rộng và đáng tin cậy.

Để biết thêm chi tiết, hãy so sánh các tùy chọn triển khai trong hướng dẫn triển khai mô hình .

📅 Được tạo ra cách đây 1 năm ✏️ Đã cập nhật cách đây 6 ngày
YTG Trợ lý Ultralytics glenn-jocher

Bình luận