Bert Service

简介

为什么使用Bert Service

开发者在进行NLP(自然语言处理)的时候常常需要获取文本的embedding(词向量),需要专门编写相应代码,且只能在本地进行。使用Bert Service能够将此过程转化为远程调用API,完成远程获取embedding。

什么是Bert Service

Bert Service是基于Paddle Serving框架的快速部署模型远程计算服务方案,可将获取embedding的过程通过调用API接口的方式实现,减少了对机器资源的依赖。使用PaddleHub可在服务器上一键部署Bert Service服务,在另外的普通机器上通过客户端接口即可轻松的获取文本对应的embedding数据。

整体流程图如下:

BS流程图

Bert Service的特点

使用Bert Service能够帮助开发者在限制性较强的环境中有效获取embedding,常用于以下情景:

  • 算力有限的集群环境中,可利用一台或几台高性能机器部署Bert Service服务端,为全部机器提供在线embedding功能。

  • 实际的生产服务器不适宜承担大批量embedding工作,通过API接口可减少资源占用。

  • 专注下游深度学习任务,可利用PaddleHub的Bert Service大幅减少embedding代码。

Bert Service具有几个突出的优点:

  • 代码精短,易于使用。简单的pip安装方式,服务端仅需一行命令即可启动,客户端仅需一行代码即可获取embedding结果。

  • 更高性能,更高效率。通过Paddle AnalysisPredictor API对模型的计算图进行优化,提升了计算速度并减小了显存占用。

  • 随”机”应变,灵活扩展。可根据机器资源选择不同数量的服务端,并根据实际需求快速、灵活地进行增减,同时支持各张显卡执行不同的模型计算任务。

  • 删繁就简,专注任务。Bert Service基于PaddlePaddle和PaddleHub开发,将模型的下载和安装等管理工作交由PaddleHub,开发者可以专注于主要任务,还可以无缝对接PaddleHub继续进行文本分类、序列标注等下游任务。

使用Bert Service搭建服务主要分为下面三个步骤:

Step1:准备环境

环境要求

下表是使用Bert Service的环境要求,带有*号标志项为非必需依赖,可根据实际使用需求选择安装。

项目版本说明
操作系统Linux目前仅支持Linux操作系统
PaddleHub>=1.4.0
PaddlePaddle>=1.6.1若使用GPU计算,则对应使用PaddlePaddle-gpu版本
GCC>=4.8
paddle-gpu-serving>=0.8.2Bert Service服务端需依赖此包
ujson>=1.35Bert Service客户端需依赖此包

安装步骤

a) 安装PaddlePaddle,利用pip下载CPU版本命令如下。GPU版本、Docker方式安装等其他更具体的安装过程见开始使用PaddlePaddle

  1. $ # 安装paddlepaddle的CPU版本
  2. $ pip install paddlepaddle

b) 安装PaddleHub

  1. $ pip install paddlehub

c) server端,需另外安装paddle-gpu-serving,以获取快速部署服务的能力

  1. $ pip install paddle-gpu-serving

d) client端,需另外安装ujson

  1. $ pip install ujson

支持模型

目前Bert Service支持的语义模型如下表,可根据需要选择模型进行部署embedding服务,未来还将支持更多模型。

模型网络
ernieERNIE
ernie_tinyERNIE tiny
ernie_v2_eng_largeERNIE 2.0
ernie_v2_eng_baseERNIE 2.0
roberta_wwm_ext_chinese_L-12_H-768_A-12BERT
roberta_wwm_ext_chinese_L-24_H-1024_A-16BERT
bert_wwm_ext_chinese_L-12_H-768_A-12BERT
bert_uncased_L-12_H-768_A-12BERT
bert_uncased_L-24_H-1024_A-16BERT
bert_cased_L-12_H-768_A-12BERT
bert_cased_L-24_H-1024_A-16BERT
bert_multi_cased_L-12_H-768_A-12BERT
bert_chinese_L-12_H-768_A-12BERT

Step2:启动服务端(server)

简介

server端接收client端发送的数据,执行模型计算过程并将计算结果返回给client端。

server端启动时会按照指定的模型名称从PaddleHub获取对应的模型文件进行加载,无需提前下载模型或指定模型路径,对模型的管理工作由PaddleHub负责。在加载模型后在指定的端口启动BRPC服务,保持端口监听,当接收到数据后便执行模型计算,并将计算结果通过BRPC返回并发送至client端。

启动

使用PaddleHub的命令行工具可一键启动Bert Service,命令如下:

  1. $ hub serving start bert_service -m ernie_tiny -p 8866 --use_gpu --gpu 0

启动成功则显示

  1. Server[baidu::paddle_serving::predictor::bert_service::BertServiceImpl] is serving on port=8866.

整个启动过程如下图:

  启动BS

其中各参数说明如下表:

参数说明是否必填
hub serving start bert_service启动Bert Service服务端。必填项
—module/-m指定启动的模型,如果指定的模型不存在,则自动通过PaddleHub下载指定模型。必填项
—port/-p指定启动的端口,每个端口对应一个模型,可基于不同端口进行多次启动,以实现多个模型的服务部署。必填项
—use_gpu若指定此项则使用GPU进行工作,反之仅使用CPU。注意需安装GPU版本的PaddlePaddle。非必填项,默认为不指定
—gpu指定使用的GPU卡号,如未指定use_gpu则填写此项无效,每个服务对应一张卡,部署多个服务时需指定不同卡非必填项,默认为0号显卡

关闭

通过在启动服务端的命令行页面使用Ctrl+C终止Bert Service运行,关闭成功则显示:

  1. Paddle Inference Server exit successfully!

Step3:启动客户端(client)

简介

client端接收文本数据,并获取server端返回的模型计算的embedding结果。

client端利用PaddleHub的语义理解任务将原始文本按照不同模型的数据预处理方案将文本ID化,并生成对应的sentence type、position、input masks数据,将这些信息封装成json数据,通过http协议按照指定的IP端口信息发送至server端,等待并获取模型生成结果。

启动

服务端类BSClient初始化方法原型为:

  1. BSClient.__init__(self,
  2. module_name,
  3. server,
  4. max_seq_len=20,
  5. show_ids=False,
  6. do_lower_case=True,
  7. retry=3)
  8. # 获取embedding方法原型为
  9. BSClient.get_result(self, input_text)

其中各参数说明如下表:

参数说明类型样例
module_name指定使用的模型名称string“ernie”
server要访问的server地址,包括ip地址及端口号string“127.0.0.1:8866”
max_seq_len计算时的样例长度,样例长度不足时采用补零策略,超出此参数则超出部分会被截断int128
show_ids是否展现数据预处理后的样例信息,指定为True则显示样例信息,反之则不显示boolFalse
do_lower_case是否将英文字母转换成小写,指定为True则将所有英文字母转换为小写,反之则保持原状boolTrue
retry连接失败后的最大重试次数int3
input_text输入文本,要获取embedding的原始文本二维list类型,内部元素为string类型的文本[[‘样例1’],[‘样例2’]]

Demo——利用Bert Service部署ernie_tiny在线embedding服务

在这里,我们将展示一个实际场景中可能使用的demo,我们利用PaddleHub在一台GPU机器上部署ernie_tiny模型服务,并在另一台CPU机器上尝试访问,获取一首七言绝句的embedding。

Step1:安装环境依赖

首先需要安装环境依赖,根据第2节内容分别在两台机器上安装相应依赖。

Step2:启动Bert Service服务端

确保环境依赖安装正确后,在要部署服务的GPU机器上使用PaddleHub命令行工具启动Bert Service服务端,命令如下:

  1. $ hub serving start bert_service -m ernie_tiny --use_gpu --gpu 0 --port 8866

启动成功后打印

  1. Server[baidu::paddle_serving::predictor::bert_service::BertServiceImpl] is serving on port=8866.

这样就启动了ernie_tiny的在线服务,监听8866端口,并在0号GPU上进行任务。

Step3:使用Bert Service客户端进行远程调用

部署好服务端后,就可以用普通机器作为客户端测试在线embedding功能。

首先导入客户端依赖。

  1. from paddlehub.serving.bert_serving import bs_client

接着启动并初始化bert service客户端BSClient(这里的server为虚拟地址,需根据自己实际ip设置)

  1. bc = bs_client.BSClient(module_name="ernie_tiny", server="127.0.0.1:8866")

然后输入文本信息。

  1. input_text = [["西风吹老洞庭波"], ["一夜湘君白发多"], ["醉后不知天在水"], ["满船清梦压星河"], ]

最后利用客户端接口get_result发送文本到服务端,以获取embedding结果。

  1. result = bc.get_result(input_text=input_text)

这样,就得到了embedding结果(此处只展示部分结果)。

  1. [[0.9993321895599361, 0.9994612336158751, 0.9999646544456481, 0.732795298099517, -0.34387934207916204, ... ]]

客户端代码demo文件见示例
运行命令如下:

  1. $ python bert_service_client.py

运行过程如下图:

  启动BS

Step4:关闭Bert Service服务端

如要停止Bert Service服务端程序,可在其启动命令行页面使用Ctrl+C方式关闭,关闭成功会打印如下日志:

  1. Paddle Inference Server exit successfully!

这样,我们就利用一台GPU机器就完成了Bert Service的部署,并利用另一台普通机器进行了测试,可见通过Bert Service能够方便地进行在线embedding服务的快速部署。

预训练模型一键服务部署

除了Bert Service外,PaddleHub Serving还具有预训练模型一键服务部署功能,能够将预训练模型快捷部署上线,对外提供可靠的在线预测服务,具体信息请参见Module Serving

FAQ

Q : 如何在一台服务器部署多个模型?
A : 可通过多次启动Bert Service,分配不同端口实现。如果使用GPU,需要指定不同的显卡。如同时部署erniebert_chinese_L-12_H-768_A-12,分别执行命令如下:

  1. $ hub serving start bert_service -m ernie -p 8866
  2. $ hub serving start bert_service -m bert_chinese_L-12_H-768_A-12 -p 8867

Q : 启动时显示”Check out http://yq01-gpu-255-129-12-00.epc.baidu.com:8887 in web browser.”,这个页面有什么作用。
A : 这是BRPC的内置服务,主要用于查看请求数、资源占用等信息,可对server端性能有大致了解,具体信息可查看BRPC内置服务

Q : 为什么输入文本的格式为[[“文本1”], [“文本2”], ],而不是[“文本1”, “文本2”, ]?
A : 因为Bert模型可以对一轮对话生成向量表示,例如[[“问题1”,”回答1”],[“问题2”,”回答2”]],为了防止使用时混乱,每个样本使用一个list表示,一个样本list内部可以是1条string或2条string,如下面的文本:

  1. input_text = [
  2. ["你今天吃饭了吗","我已经吃过饭了"],
  3. ["今天天气怎么样","今天天气不错"],
  4. ]