在前一篇文章已经带着读者创建一个Triton的推理模型仓,现在只要安装好服务器端与用户端软件,就能进行基本的测试与体验。
为了简化过程,我们使用NVIDIA Jetson AGX Orin设备进行示范,所有步骤都能适用于各种基于NVIDIA Jetson智能芯片的边缘设备上,也适用于大部分装载Ubuntu 18以上操作系统的x86设备上,即便设备上没有安装NVIDIA的GPU计算卡也能使用,只不过上我们的提供的内容都是基于GPU计算环境,对于纯CPU的使用则需要用户自行研读说明文件。
现在就开始安装Triton服务器软件,NVIDIA为Triton服务器提供以下三种软件安装的方式:
这种方式需要从https://github.com/triton-inference-server/server下载源代码,然后安装依赖库,再用cmake与make工具进行编译。通常会遇到的麻烦是步骤繁琐,并且出错率较高,因此并不推荐使用这个方法。
有兴趣者,请自行参考前面下载的开源仓里的docs/customization_guide/build.md文件,有关于Ubuntu 20.04、Jetpack与Windows等各种平台的编译细节。
Triton开发团队为使用者提供编译好的可执行文件,包括Ubuntu 20.04、Jetpack余Windows平台,可以在https://github.com/triton-inference-server/server/releases/ 上获取,每个版本都会提供对应NGC容器的版本,如下图:
然后到下面的“Assets”选择合适的版本:
以装载Jetpack 5的Orin为例,就下载tritonserver2.26.0-jetpack5.0.2.tgz(1.13GB) 压缩文件到本机上,然后解压缩到指定目录下就可以,例如${HOME}/triton目录,会生成<backends>、<bin>、<clients>、<include>、<lib>、<qa>等6个目录,可执行文件在<bin>目录下。
在执行Triton服务器软件前,还得先安装所需要的依赖库,请执行以下指令:
$ $ |
sudo apt-get update sudo apt-get install -y --no-install-recommends software-properties-common autoconf automake build-essential git libb64-dev libre2-dev libssl-dev libtool libboost-dev rapidjson-dev patchelf pkg-config libopenblas-dev libarchive-dev zlib1g-dev |
现在就可以执行以下指令启动Triton服务器:
$ $ |
cd ${HOME}/triton bin/tritonserver --model-repository=server/docs/examples/model_repository --backend-directory=backends --backend-config=tensorflow,version=2 |
如果最后出现以下画面并且进入等待状态:
现在Triton服务器已经正常运行,进入等待用户端提出请求(request)的状态。
在NGC的https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tritonserver/tags可以找到Triton服务器的Docker镜像文件,每个版本主要提供以下几种版本:
其中“year”是年份的数字,例如2022年提交的就是“22”开头;后面的“xy”是流水号,每次往上加“1”,例如2022年10月4日提交的版本为“22-09”。
NVIDIA提供的Triton容器镜像是同时支持x86/AMD64与ARM64架构的系统,以22.09-py3镜像为例,可以看到如下图所标示的“2 Architectures”:
点击最右方的“向下”图标,会展开如下图的内容,事实上是有两个不同版本的镜像,不过使用相同镜像名:
因此在x86电脑与Jetson设备都使用相同的镜像下载指令,如下:
$ |
docker pull nvcr.io/nvidia/tritonserver:22.09-py3 |
就能根据所使用设备的CPU架构去下载对应的镜像,现在执行以下指令来启动Triton服务器:
$
$ |
# 根据实际的模型仓根目录位置设定TRITON_MODEL_REPO路径 export TRITON_MODEL_REPO=${HOME}/triton/server/docs/examples/model_repository # 执行Triton服务器 docker run --rm --net=host -v ${TRITON_MODEL_REPO}:/models nvcr.io/nvidia/tritonserver:22.09-py3 tritonserver --model-repository=/models |
如果执行正常,也会出现以下的等待画面,表示运行是正确的:
以上三种方式都能在计算设备上启动Triton服务器软件,目前看起来使用Docker镜像是最为简单的。当服务器软件启动之后,就处于“等待请求”状态,可以使用“Ctrl-C”组合键终止服务器的运行。
有一种确认Triton服务器正常运行的最简单方法,就是用curl指令检查HTTP端口的状态,请执行以下指令:
$ |
curl -v localhost:8000/v2/health/ready |
如果有显示“HTTP/1.1 200 OK”的信息(如下图),就能确定Triton服务器处于正常运行的状态:
接下去就要安装客户端软件,用来对服务器提出推理请求,这样才算完成一个最基础的推理周期。【完】
好文章,需要你的鼓励
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。