文章目录
一、算法模型调用的几种方式
一般来说,当算法模型比如一个深度学习的目标检测模型在训练验证之后,实际放到应用中使用的时候,有几种方式:
- 1.封装成可调用的sdk。根据应用开发所使用的语言,包括Java sdk、C++ sdk等。这种方式应用者直接调用模型的功能,不存在跨进程通信。
- 2.用python封装成web服务。因为一般模型都是使用python开发的,这种方式是最简单、最自然的,方法我在之前的文章中也提到了。应用使用tcp协议或者http协议与算法服务进行通信,一般将图片通过http request形式发给服务,获得服务返回的包含推理结果的http response。这种交互方式跨进程,可以跨物理机。
- 3.用C++封装成web服务。也是同样使用tcp协议或http协议,和python服务基本类似。
二、python算法服务的优缺点
优点:
- 1.简单,易上手,不易出错。
- 2.迅捷,开发时间短。
缺点:
- 1.由于python单进程无法使用多核能力,所以如果在不使用多进程的情况下,算法服务的吞吐量会成问题,就算有很多并发的推理请求,服务端的资源利用率还是上不去,GPU利用率上不去。这是因为一次推理的过程,在GPU运算之前、之后的前处理和后处理阶段都会有一些用到CPU计算的地方,比如图片的编解码,一些图像处理操作等。
如果使用多进程的话,虽然能提高GPU利用率,但是对显存的占用也是成倍的。 - 2.python服