Django+Celery部署TensorFlow模型

Django作为基本的Web框架,Celery用来处理异步任务,两者搭建分析服务器部署TensorFlow模型。(数据服务器通过POST请求与分析服务器进行任务发布和结果接收,这里不是重点)zaizh
摘要由CSDN通过智能技术生成

Django作为基本的Web框架,Celery用来处理异步任务,两者搭建分析服务器部署TensorFlow模型。(数据服务器通过POST请求与分析服务器进行任务发布和结果接收,这里不是重点。)在这里主要记录一下解决的两个问题:

1.我在utils.py中写好了TensorFlow的模型预测代码,我每次调用执行utils.py这个代码的时候,我想在不同的卡上执行。

出发点是为了充分利用celery处理异步任务的效率,因为每次模型推理的时候模型参数都需要加载到GPU中,如果不可以通过制定任务使用的GPU来合理分配资源,GPU肯定会爆显存。

解决办法是利用celery的任务队列特性,通过开启多个任务worker,然后在开启的时候制定使用的GPU,再对celery中的启动参数【-c】(也就是concurrency,表示最大并行子进程数目)进行合理的配置,就可以做到既不会爆显存,又可以让服务器上的GPU都利用起来。

CUDA_VISIBLE_DEVICES=0 nohup python manage.py celery worker -E -l info -n analyze --maxtasksperchild 100 -c 1 -Q analyze_task >analyze0.log 2>&1 &
CUDA_VISIBLE_DEVICES=1 nohup python manage.py celery worker -E -l info -n analyze --maxtasksperchild 100 -c 1 -Q analyze_task >analyze1.log 2>&1 &
CUDA_VISIBLE_DEVICES=2 nohup python manage.py celery work
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值