Triton 推理服务器Ultralytics YOLOv8

Triton Inference Server（原名TensorRT Inference Server）是英伟达公司开发的一款开源软件解决方案。Triton 简化了在生产中大规模部署人工智能模型的过程。将Ultralytics YOLOv8 与Triton Inference Server 集成，可以部署可扩展的高性能深度学习推理工作负载。本指南提供了设置和测试集成的步骤。

观看： NVIDIATriton Inference Server 入门。

什么是Triton Inference Server？

Triton 推理服务器旨在在生产中部署各种人工智能模型。它支持广泛的深度学习和机器学习框架，包括TensorFlow 、PyTorch 、ONNX Runtime 等。它的主要用例包括

• 从一个服务器实例为多个模型提供服务。
• 动态加载和卸载模型，无需重启服务器。
• 集合推理，允许同时使用多个模型来获得结果。
• 模型版本化，用于 A/B 测试和滚动更新。

先决条件

确保在继续之前具备以下先决条件：

• 您的计算机上安装了 Docker。
• 安装 tritonclient:

  pip install tritonclient[all]
  

将YOLOv8 导出为ONNX 格式

在Triton 上部署模型之前，必须将其导出为ONNX 格式。ONNX (Open Neural Network Exchange）是一种允许在不同深度学习框架之间传输模型的格式。使用 export 功能中的 YOLO 类：

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)

设置Triton 模型库

Triton 模型库是Triton 可以访问和加载模型的存储位置。

1. 创建必要的目录结构：

   from pathlib import Path
   
   # Define paths
   triton_repo_path = Path('tmp') / 'triton_repo'
   triton_model_path = triton_repo_path / 'yolo'
   
   # Create directories
   (triton_model_path / '1').mkdir(parents=True, exist_ok=True)
   

2. 将导出的ONNX 模型移至Triton 资源库：

   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()
   

运行Triton 推断服务器

使用 Docker 运行Triton Inference Server：

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)

然后使用Triton 服务器模型运行推理：

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')

清理容器：

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

按照上述步骤，您可以在Triton Inference Server 上高效地部署和运行Ultralytics YOLOv8 模型，为深度学习推理任务提供可扩展的高性能解决方案。如果您遇到任何问题或有进一步的疑问，请参阅 Triton 官方文档或向Ultralytics 社区寻求支持。

评论