雷锋网 AI 科技评论按：日前，TensorFlow 团队与 NVIDIA 携手合作，将 NVIDIA 用来实现高性能深度学习推理的平台——TensorRT 与 TensorFlow Serving 打通结合，使用户可以轻松地实现最佳性能的 GPU 推理。目前，TensorFlow Serving 1.13 已实现对 TF-TRT 的支持，而不久后 TensorFlow 2.0 也将支持 TF-TRT 的实现。 TensorFlow 在官方博客中对这项成果进行了发布，雷锋网 AI 科技评论编译如下。
TensorFlow Serving 项目地址：https://tensorflow.org/serving/
NVIDIA TensorRT 项目地址：https://developer.nvidia.com/tensorrt
TensorFlow Serving 是应用于机器学习模型的灵活的高性能服务系统，而 NVIDIA TensorRT 则是一个用以实现高性能深度学习推理的平台，将二者相结合后，用户可以轻松地实现最佳性能的 GPU 推理。TensorFlow 团队与 NVIDIA 携手合作，在 TensorFlow v1.7 中添加了对 TensorRT 的首度支持，此后，他们更是保持密切的合作，共同致力于对 TensorFlow-TensorRT 集成（被称作 TF-TRT）进行改进。。目前，TensorFlow Serving 1.13 已实现对 TF-TRT 的支持，而不久后 TensorFlow 2.0 也将支持 TF-TRT 的实现。
在此前的一篇博客中，我们向大家介绍了怎样如何借助 Docker 来使用 TensorFlow Serving。而在本文中，我们要展示的是：以同样的方法来运行经 TF-TRT 转换的模型到底有多简单。一如既往地，我们尝试将 ResNet 模型部署到生产环境中。下文的所有案例都在配备 Titan-V GPU 的工作站上运行。
在 GPU 上使用 TensorFlow Serving 创建 ResNet
在本次练习中，我们简单地下载一个经过预训练的 ResNet SavedModel：
$ mkdir /tmp/resnet
$ curl -shttps://storage.googleapis.com/download.tensorflow.org/models/official/20181001_resnet/savedmodels/resnet_v2_fp32_savedmodel_NHWC_jpg.tar.gz | tar --strip-components=2 -C /tmp/resnet -xvz
$ ls /tmp/resnet
1538687457
在此前的博客中，我们演示了如何使用 TensorFlow Serving CPU Docker 图像来创建模型。在这里，我们运行 GPU Docker 图像（点击查看相关说明），从而借助 GPU 创建并测试此模型：
$ docker pull tensorflow/serving:latest-gpu
$ docker run --rm --runtime=nvidia -p 8501:8501 --name tfserving_resnet \
-v /tmp/resnet:/models/resnet -e MODEL_NAME=resnet -t tensorflow/serving:latest-gpu &
…
… server.cc:313] Running gRPC ModelServer at 0.0.0.0:8500 …
… server.cc:333] Exporting HTTP/REST API at:localhost:8501 …
$ curl -o /tmp/resnet/resnet_client.py
https://raw.githubusercontent.com/tensorflow/serving/master/tensorflow_serving/example/resnet_client.py
$ python /tmp/resnet/resnet_client.py
Prediction class: 286, avg latency: 18.0469 ms
docker run 命令会启动 TensorFlow Serving 服务器，以提供 /tmp/resnet 中已下载的 SavedModel，并在主机中显示 REST API 端口 8501。resnet_client.py 会给服务器发送一些图像，并返回服务器所作的预测。现在让我们停止运行 TensorFlow Serving 容器，来释放其所占用的 GPU 资源：
$ docker kill tfserving_resnet
现在，我们有了可以运行的模型。为了能从 TensorRT 受益，我们需要在 TensorFlow Serving Docker 容器内运行转换命令，从而将现有模型转换为使用 TensorRT 运行运算的模型：
$ docker pull tensorflow/tensorflow:latest-gpu
$ docker run --rm --runtime=nvidia -it \
-v /tmp:/tmp tensorflow/tensorflow:latest-gpu \
/usr/local/bin/saved_model_cli convert \
--dir /tmp/resnet/1538687457 \
--output_dir /tmp/resnet_trt/1538687457 \
--tag_set serve \
tensorrt --precision_mode FP32 --max_batch_size 1 --is_dynamic_op True
在这里，我们运行了 saved_model_cli 命令行工具，其中内置了对 TF-TRT 转换的支持。--dir 和 --output_dir 参数会告知它在哪里找到 SavedModel 以及输出转换后的 SavedModel，而 --tag_set 则让它知道该转换 SavedModel 中的哪张图表。随后，我们通过在命令行中传递 tensorrt 并指定配置，明确指示其运行 TF-TRT 转换器：
--precision_mode 参数让转换器知道所需用到的精度，目前它仅支持 FP32 和 FP16
--max_batch_size 参数确定输入的批次大小的上限。此转换器要求由 TensorRT 处理的所有张量将它们的首个维度作为批次维度，而该参数则让它知道推理过程中会产生的最大值。如果已知推理过程中的实际批次大小上限，同时该值还能够与之匹配，那么转换后的模型就是最优模型。要注意的是，转换后的模型无法处理批次规模大于这里指定了大小的输入，但对于批次规模更小的输入，它还是能够处理的。
--is_dynamic_op 参数让它知道在模型运行时进行实际转换。这是因为在转换期间，TensorRT 需要知道所有的形状。对于该案例中所使用的 ResNet 模型，它的张量没有固定的形状，这也是我们需要用到该参数的原因。
如此前一样简单，我们现在只需为模型指定正确的目录，便能利用 Docker 提供经 TF-TRT 转换的模型：
$ docker run --rm --runtime=nvidia -p 8501:8501 \
--name tfserving_resnet \
-v /tmp/resnet_trt:/models/resnet \
-e MODEL_NAME=resnet \
-t tensorflow/serving:latest-gpu &
…
… server.cc:313] Running gRPC ModelServer at 0.0.0.0:8500 …
… server.cc:333] Exporting HTTP/REST API at:localhost:8501 …
之后向它发送请求：
$ python /tmp/resnet/resnet_client.py
Prediction class: 286, avg latency: 15.0287 ms
最后，停止运行容器：
$ docker kill tfserving_resnet
我们可以看到，使用 TensorFlow Serving 和 Docker 生成经 TF-TRT 转换的模型与创建一个普通的模型一样简单。此外，作为一次演示，上文中的性能数值仅适用于我们所使用的模型和运行该案例的设备，不过它的确体现出使用 TF-TRT 所带来的性能优势。
接下来就轮到 TensorFlow 2.0 来实现 TF-TRT 了，而 TensorFlow 团队和 NVIDIA 也正在合作以确保 TF-TRT 能在 2.0 中流畅运行。大家可前往 TF-TRT 的 Github 开源项目（https://github.com/tensorflow/tensorrt），查看更全面的信息。雷锋网
正在生成分享图...
吴彤