torchserve使用教程

官方文档地址：

https://github.com/pytorch/serve/blob/master/docs/README.mdhttps://github.com/pytorch/serve/blob/master/docs/README.md

下载项目：

git clone GitHub - pytorch/serve: Model Serving on PyTorch

------Serving quick start---------------------------------------------

注：还需要安装jdk11

（1）安装依赖项

 到源码根目录下运行：安装GPU的依赖

python ./ts_scripts/install_dependencies.py --cuda=cu102

（2）安装torchserve, torch-model-archiver and torch-workflow-archiver

使用pip安装：

pip install torchserve torch-model-archiver torch-workflow-archiver

 (3)源码安装：

若要对源码进行开发，安装方式如下：

NOTE: This script uninstalls existing torchserve, torch-model-archiver and torch-workflow-archiver installations

python ./ts_scripts/install_dependencies.py --environment=dev
python ./ts_scripts/install_from_src.py

Store a Model

新建一个文件夹

mkdir model_store

下载官方示例模型

wget https://download.pytorch.org/models/densenet161-8d451a50.pth

 Archive the model （参数解析后续详解）

--serialized-file：pth文件名

--export-path  ：pth文件夹路径

torch-model-archiver --model-name densenet161 --version 1.0 --model-file ./serve/examples/image_classifier/densenet_161/model.py --serialized-file densenet161-8d451a50.pth --export-path model_store --extra-files ./serve/examples/image_classifier/index_to_name.json --handler image_classifier

运行完成后在model_store下会生成一个.mar的模型

Start TorchServe to serve the model启动服务

 --model-store：mar文件夹路径

（其余参数后续详解）

torchserve --start --ncs --model-store model_store --models densenet161.mar

注：其中可能会有报错，确保jdk11环境；其中还会有python报错，缺少哪些环境就pip安装。

Get predictions from a model 输入图片进行预测

（1）python程序调用的方式：

pip install -U grpcio protobuf grpcio-tools

python -m grpc_tools.protoc --proto_path=frontend/server/src/main/resources/proto/ --python_out=ts_scripts --grpc_python_out=ts_scripts frontend/server/src/main/resources/proto/inference.proto frontend/server/src/main/resources/proto/management.proto

python ts_scripts/torchserve_grpc_client.py infer densenet161 examples/image_classifier/kitten.jpg

（2）REST API

最后是图片：

curl http://127.0.0.1:8080/predictions/densenet161 -T kitten_small.jpg

return返回示例

[
  {
    "tiger_cat": 0.46933549642562866
  },
  {
    "tabby": 0.4633878469467163
  },
  {
    "Egyptian_cat": 0.06456148624420166
  },
  {
    "lynx": 0.0012828214094042778
  },
  {
    "plastic_bag": 0.00023323034110944718
  }
]

------------Torch Model archiver for TorchServe----------------

torchserve需要一个.mar文件，转换自pytorch的pth文件或torchscript（jit的pt） 文件，

#####待续