1.triton镜像使用

1.tritonserver镜像使用

1）拉取镜像

# 为Triton的版本
docker pull nvcr.io/nvidia/tritonserver:22.06-py3

2）启动容器

指定模型仓库时可以执行server下的./fetch_model.sh,见2.2部分

GPU版本的启动

docker run --gpus=1 --rm -p8000:8000 -p8001:8001 -p8002:8002 -v /home/zhouquanwei/workspace/triton/server/docs/examples/model_repository:/models nvcr.io/nvidia/tritonserver:22.06-py3 tritonserver --model-repository=/models

CPU版本的启动

docker run --rm -p8000:8000 -p8001:8001 -p8002:8002 -v /home/zhouquanwei/workspace/triton/server/docs/examples/model_repository:/models nvcr.io/nvidia/tritonserver:22.06-py3 tritonserver --model-repository=/models

区别只在于--gpus=1这个参数

注意：docker19.03之前的版本使用gpu要指定显卡硬件名，docker19.03之后的需要安装

nvidia-container-toolkit或nvidia-container-runtime

我的服务器是centos系统，我安装nvidia-container-toolkit，方式如下：

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo
sudo yum install -y nvidia-container-toolkit

安装之后要重启docker

systemctl restart docker

查看gpus参数是否安装成功

docker run --help | grep -i gpus
      --gpus gpu-request               GPU devices to add to the container ('all' to pass all GPUs)

重新执行我遇到了如下错误

 先使用非GPU版本的

nvidia-docker2.0是一个简单的包，它主要通过修改docker的配置文件“/etc/docker/daemon.json”来让docker使用NVIDIA Container runtime。

执行成功之后

 进入该容器的方式为

docker exec -it  8f89d733ff41 /opt/nvidia/nvidia_entrypoint.sh

3）验证是否启动成功

curl -v localhost:8000/v2/health/ready

 4)继续验证，发送一个请求

##拉取镜像
docker pull nvcr.io/nvidia/tritonserver:22.06-py3-sdk

##启动服务
docker run -it --rm --net=host nvcr.io/nvidia/tritonserver:22.06-py3-sdk

##发送请求
/workspace/install/bin/image_client -m densenet_onnx -c 3 -s INCEPTION /workspace/images/mug.jpg
Request 0, batch size 1
Image '/workspace/images/mug.jpg':
    15.346230 (504) = COFFEE MUG
    13.224326 (968) = CUP
    10.422965 (505) = COFFEEPOT

 注意

1)对于nvcr.io/nvidia/tritonserver:22.06-py3镜像，其容器内的/opt/tritonserver/bin目录下保存tritonserver的启动程序,使用

tritonserver --model-repository=/models

 2)/opt/tritonserver目录下各个文件的含义

/opt/tritonserver/bin:tritonserver可执行文件

/opt/tritonserver/lib:存放共享库

/opt/tritonserver/backends:存放backends

/opt/tritonserver/repoagents:存放repoagents

2.编译tritonserver

Triton inference server 支持源码编译和容器编译两种方式

2.1源码编译

2.2容器编译

1）克隆triton inference server

cd /workspace/triton
git clone --recursive [email protected]:triton-inference-server/server.git

2)创建模型仓库

cd /workspace/triton/server/docs/examples
./fetch_models.sh

 

执行./fetch_models.sh脚本之后发现/workspace/triton/server/docs/examples/model_repository/densenet_onnx目录下多了一个1目录。

/tmp目录下多了一个inception_v3_2016_08_28_frozen.pb.tar.gz 

3)编译，容器编译和源码编译

cd server
./build.py -v --enable-all