项目概述

当我们训练完成一个深度学习模型后，可以使用gunicorn+flask进行部署，其中使用onnxruntime框架进行模型推理加速做核心的计算，同时本项目还支持多GPU部署（还可以指定每张卡上部署的进程数）

1.导出onnx模型

python step1_pytorch2onnx.py

1.1.对比推理速度

python vs_run_time.py
# PyTorch 0.010762120762025006 , ONNX 0.004936059196013957 , ONNX2 0.0047725455259205775

发现onnxruntime的图片推理速度比原生的pytorch快一倍多

2.部署onnx服务

首先，编写gunicorn配置文件gunicorn_conf.py 可以再step2_server_onnx.py里的set_process_gpu中根据显卡使用情况，分配进程

2.1.启动服务（5进程）

控制台执行

gunicorn -c gunicorn_conf.py step2_server_onnx:app

可以看到我们在卡0上分配了3个进程，卡1上分配了2个进程

2.2.客户端调用（2k张图像）

python client.py
# 753.7857494950294
# 等待所有线程执行完成
# ===============close===============
# 6.0930845737457275

3.部署pytorch服务做对比

3.1.启动服务（5进程）

控制台执行

gunicorn -c gunicorn_conf.py step3_server_pytorch:app

3.2.客户端调用（2k张图像）

python client.py
# 753.7855133414268
# 等待所有线程执行完成
# ===============close===============
# 8.30529260635376

可以看到onnx精度上几乎可以逼近pytorch，速度上onnx比pytorch快2.2秒，

4.在ImageNet val（5w）上测试（8进程）

4.1. onnx结果

19635.193501168862 等待所有线程执行完成 ===============close=============== 151.3771858215332

4.2. pytorch结果

19635.191890196875 等待所有线程执行完成 ===============close=============== 171.36499762535095

4.3. 结论

onnx在精度上会有一定的损失，但是几乎不影响最终预测结果，速度上有显著优势