Triton inference server教程1

Triton 整体架构

Triton的整体架构图如下图所示：

1. 首先要准备好一个model repository：保持需要serve的所有模型。
2. load 所有模型：triton会根据模型的backend,把它运行在server端的硬件设备上，比如CPU/GPU，这样server端就准备好了
3. client端发送请求：client端使用python/c++实现一个client，把请求发送到server端。发送可以通过网络HTTP/gRPC协议，也可以通过C API直接发送，不通过网络协议。
4. 请求发回到服务端：triton把请求调度到相应的backend的instance上执行，执行之后的结果会通过同样的路径返回到client端。

详细操作

下面介绍每个步骤的具体操作：

• prepare the model repository：准备model的 repository，所需要的模型都存放在model repository中管理。
  model repository必须满足下图的三级模型，triton才会识别。
  
  第一级模型目录是模型库的目录，第二级目录是具体要执行的推理模型的名字，第三级目录包含模型版本，模型配置文件，标签文件。
• 模型版本目录存放模型文件，支持tensorrt、onnx、pytorch、tensorflow等不同框架生成的模型。模型的版本必须和目录版本名称保持一致。
• 配置文件：定义模型和服务的配置参数
• 标签文件：分类模型使用，可以将模型输出的概率值直接转换成标签的字符串。
  启动triton服务的命令为：

tritonserver --model-repository=/path/to/model/repository

tritonserver 是triton编译好之后生成的二进制文件
下面运行一个命令示例：

tritonserver --model-repository=./model-reop

出现上面截图即代表triton服务启动成功

本文是triton教程的学习笔记，详细内容请前往上面链接。