PaddleHub Serving模型一键服务部署

PaddleHub Serving模型一键服务部署

简介

为什么使用一键服务部署

使用PaddleHub能够快速进行模型预测，但开发者常面临本地预测过程迁移线上的需求。无论是对外开放服务端口，还是在局域网中搭建预测服务，都需要PaddleHub具有快速部署模型预测服务的能力。在这个背景下，模型一键服务部署工具——PaddleHub Serving应运而生。开发者通过一行命令即可快速启动一个模型预测在线服务，而无需关注网络框架选择和实现。

什么是一键服务部署

PaddleHub Serving是基于PaddleHub的一键模型服务部署工具，能够通过简单的Hub命令行工具轻松启动一个模型预测在线服务，前端通过Flask和Gunicorn完成网络请求的处理，后端直接调用PaddleHub预测接口，同时支持使用多进程方式利用多核提高并发能力，保证预测服务的性能。

支持模型

目前PaddleHub Serving支持对PaddleHub所有可直接预测的模型进行服务部署，包括lac、senta_bilstm等NLP类模型，以及yolov3_darknet53_coco2017、vgg16_imagenet等CV类模型，更多模型请参见PaddleHub支持模型列表。未来还将支持开发者使用PaddleHub Fine-tune API得到的模型用于快捷服务部署。

使用

Step1：启动服务端部署

PaddleHub Serving有两种启动方式，分别是使用命令行启动，以及使用配置文件启动。

命令行命令启动

启动命令

$ hub serving start --modules [Module1==Version1, Module2==Version2, ...] \
                    --port XXXX \
                    --use_gpu \
                    --use_multiprocess \
                    --workers \

参数：

参数	用途
—modules/-m	PaddleHub Serving预安装模型，以多个Module==Version键值对的形式列出 `当不指定Version时，默认选择最新版本`
—port/-p	服务端口，默认为8866
—use_gpu	使用GPU进行预测，必须安装paddlepaddle-gpu
—use_multiprocess	是否启用并发方式，默认为单进程方式，推荐多核CPU机器使用此方式 `Windows操作系统只支持单进程方式`
—workers	在并发方式下指定的并发任务数，默认为`2*cpu_count-1`，其中`cpu_count`为CPU核数
NOTE: —use_gpu不可与—use_multiprocess共用。
#### 配置文件启动
启动命令
`shell</td><td></td></tr><tr><td>$ hub serving start --config config.json</td><td></td></tr><tr><td>`
`config.json`格式如下：

{
  "modules_info": {
    "yolov3_darknet53_coco2017": {
      "init_args": {
        "version": "1.0.0"
      },
      "predict_args": {
        "batch_size": 1,
        "use_gpu": false
      }
    },
    "lac": {
      "init_args": {
        "version": "1.1.0"
      },
      "predict_args": {
        "batch_size": 1,
        "use_gpu": false
      }
    }
  },
  "port": 8866,
  "use_multiprocess": false,
  "workers": 2
}

参数：

参数	用途
modules_info	PaddleHub Serving预安装模型，以字典列表形式列出，key为模型名称。其中: `init_args`为模型加载时输入的参数，等同于`paddlehub.Module(init_args)` `predict_args`为模型预测时输入的参数，以`lac`为例，等同于`lac.analysis_lexical(``predict_args)`
port	服务端口，默认为8866
use_gpu	使用GPU进行预测，必须安装paddlepaddle-gpu
use_multiprocess	是否启用并发方式，默认为单进程方式，推荐多核CPU机器使用此方式 `Windows操作系统只支持单进程方式`
workers	启动的并发任务数，在并发模式下才生效，默认为`2*cpu_count-1`，其中`cpu_count`代表CPU的核数

Step2：访问服务端

在使用PaddleHub Serving部署服务端的模型预测服务后，就可以在客户端访问预测接口以获取结果了，接口url格式为：

http://127.0.0.1:8866/predict/<CATEGORY>/<MODULE>

其中，<CATEGORY>为text或image，与模型种类对应，<MODULE>为模型名。

通过发送一个POST请求，即可获取预测结果，下面我们将展示一个具体的demo，以说明使用PaddleHub Serving部署和使用流程。

Step3：利用PaddleHub Serving进行个性化开发

使用PaddleHub Serving进行模型服务部署后，可以利用得到的接口进行开发，如对外提供web服务，或接入到应用程序中，以降低客户端预测压力，提高性能，下面展示了一个web页面demo:

Step4：关闭serving

使用关闭命令即可关闭启动的serving，

$ hub serving stop --port XXXX

参数：

参数	用途
—port/-p	指定要关闭的服务端口，默认为8866

Demo——部署一个在线lac分词服务

Step1：部署lac在线服务

现在，我们要部署一个lac在线服务，以通过接口获取文本的分词结果。

首先，任意选择一种启动方式，两种方式分别为:

$ hub serving start -m lac

或

$ hub serving start -c serving_config.json

其中serving_config.json的内容如下：

{
  "modules_info": {
    "lac": {
      "init_args": {
        "version": "1.1.0"
      },
      "predict_args": {
        "batch_size": 1,
        "use_gpu": false
      }
    }
  },
  "port": 8866,
  "use_multiprocess": false,
  "workers": 2
}

启动成功界面如图：

这样我们就在8866端口成功部署了lac的在线分词服务。 此处warning为Flask提示，不影响使用

Step2：访问lac预测接口

在服务部署好之后，我们可以进行测试，用来测试的文本为今天是个好日子和天气预报说今天要下雨。

客户端代码如下

# coding: utf8
import requests
import json
if __name__ == "__main__":
    # 指定用于用于预测的文本并生成字典{"text": [text_1, text_2, ... ]}
    text_list = ["今天是个好日子", "天气预报说今天要下雨"]
    text = {"text": text_list}
    # 指定预测方法为lac并发送post请求
    url = "http://127.0.0.1:8866/predict/text/lac"
    r = requests.post(url=url, data=text)
    # 打印预测结果
    print(json.dumps(r.json(), indent=4, ensure_ascii=False))

运行后得到结果

{
    "results": [
        {
            "tag": [
                "TIME", "v", "q", "n"
            ],
            "word": [
                "今天", "是", "个", "好日子"
            ]
        },
        {
            "tag": [
                "n", "v", "TIME", "v", "v"
            ],
            "word": [
                "天气预报", "说", "今天", "要", "下雨"
            ]
        }
    ]
}

Step3：停止serving服务

由于启动时我们使用了默认的服务端口8866，则对应的关闭命令为：

$ hub serving stop --port 8866

或不指定关闭端口，则默认为8866。

$ hub serving stop

等待serving清理服务后，提示：

$ PaddleHub Serving will stop.

则serving服务已经停止。

此Demo的具体信息和代码请参见LAC Serving。另外，下面展示了一些其他的一键服务部署Demo。

Demo——其他模型的一键部署服务

获取其他PaddleHub Serving的一键服务部署场景示例，可参见下列demo

图像分类-基于vgg11_imagent

该示例展示了利用vgg11_imagent完成图像分类服务化部署和在线预测，获取图像分类结果。

图像生成-基于stgan_celeba

该示例展示了利用stgan_celeba生成图像服务化部署和在线预测，获取指定风格的生成图像。

文本审核-基于porn_detection_lstm

该示例展示了利用porn_detection_lstm完成中文文本黄色敏感信息鉴定的服务化部署和在线预测，获取文本是否敏感及其置信度。

中文词法分析-基于lac

该示例展示了利用lac完成中文文本分词服务化部署和在线预测，获取文本的分词结果，并可通过用户自定义词典干预分词结果。

目标检测-基于yolov3_darknet53_coco2017

该示例展示了利用yolov3_darknet53_coco2017完成目标检测服务化部署和在线预测，获取检测结果和覆盖识别框的图片。

中文语义分析-基于simnet_bow

该示例展示了利用simnet_bow完成中文文本相似度检测服务化部署和在线预测，获取文本的相似程度。

图像分割-基于deeplabv3p_xception65_humanseg

该示例展示了利用deeplabv3p_xception65_humanseg完成图像分割服务化部署和在线预测，获取识别结果和分割后的图像。

中文情感分析-基于senta_lstm

该示例展示了利用senta_lstm完成中文文本情感分析服务化部署和在线预测，获取文本的情感分析结果。

客户端请求新版模型的方式

对某些新版模型，客户端请求方式有所变化，更接近本地预测的请求方式，以降低学习成本。以lac(2.1.0)为例，使用上述方法进行请求将提示：

{
    "Warnning": "This usage is out of date, please use 'application/json' as content-type to post to /predict/lac. See 'https://github.com/PaddlePaddle/PaddleHub/blob/release/v1.6/docs/tutorial/serving.md' for more details."
}

对于lac(2.1.0)，请求的方式如下：

# coding: utf8
import requests
import json
if __name__ == "__main__":
    # 指定用于预测的文本并生成字典{"text": [text_1, text_2, ... ]}
    text = ["今天是个好日子", "天气预报说今天要下雨"]
    # 以key的方式指定text传入预测方法的时的参数，此例中为"data"
    # 对应本地部署，则为lac.analysis_lexical(texts=[text1, text2])
    data = {"texts": text, "batch_size": 2}
    # 指定预测方法为lac并发送post请求
    url = "http://127.0.0.1:8866/predict/lac"
    # 指定post请求的headers为application/json方式
    headers = {"Content-Type": "application/json"}
    r = requests.post(url=url, headers=headers, data=json.dumps(data))
    # 打印预测结果
    print(json.dumps(r.json(), indent=4, ensure_ascii=False))

此Demo的具体信息和代码请参见LAC Serving_2.1.0。

Bert Service

除了预训练模型一键服务部署功能之外，PaddleHub Serving还具有Bert Service功能，支持ernie_tiny、bert等模型快速部署，对外提供可靠的在线embedding服务，具体信息请参见Bert Service。