ModelArts部署紫东太初大模型推理服务经验分享
- 零、项目背景需要在ModelArts上部署微调后的下游任务推理服务。主要踩坑点:
- 一、环境准备MindSpore 1.6.1Docker 20.10.17紫东太初模型代码
https://gitee.com/mindspore/omni-perception-pretrainerckpt权重文件ModelArts账号 - 二、模型转换
- 1.参照测试代码初始化模型并加载ckpt
- 2.使用MindSpore.export(net, *inputs, filename=“***”, file_format=“MINDIR”)导出MINDIR模型
- 模型格式:当前版本AIR和ONNX均有单网络2G的模型大小限制,目前采用MINDIR进行在线推理。(MINDIR对于超过2G的模型会自动进行切分)
- 三、编写推理服务代码使用Flask部署服务,代码参考
https://gitee.com/HUAWEI-ASCEND/mindxsdk-mxfoundationmodel/tree/master/fm/reference/deploy模型推理部分代码
代码参考同上,需要注意在初始化的时候异步加载模型,避免ModelArts拉起服务时模型加载超时导致异常退出。 - 四、制作推理服务镜像参考同上
- 五、ModelArts镜像上传部署步骤参考ModelArts文档,需要注意需在日志报Warm Up Success后才可正常使用服务,否则有可能超时或服务异常退出。