Machine Learning-Inferenz mit AWS Inferentia - Amazon EKS

Machine Learning-Inferenz mit AWS Inferentia

In diesem Thema wird beschrieben, wie Sie einen Amazon-EKS-Cluster mit Knoten erstellen, die Amazon EC2 Inf1 ausführen, und wie Sie (optional) eine Beispielanwendung bereitstellen. Amazon-EC2-Inf1-Instances werden von AWS-Inferentia-Chips unterstützt. Diese werden von AWS eigens entwickelt, um eine hohe Leistung bei möglichst geringen Kosten in der Cloud bereitzustellen. Machine Learning-Modelle werden in Containern mithilfe von AWS-Neuron bereitgestellt. Dabei handelt es sich um einen spezialisierten Software Development Kit (SDK) mit Compiler-, Laufzeit- und Profilerstellungs-Tools zur Optimierung der Machine-Learning-Inferenzleistung von Inferentia-Chips. AWS Neuron unterstützt verbreitete Machine Learning-Frameworks wie TensorFlow, PyTorch und MXNet.

Anmerkung

Die logischen IDs von Neuron-Geräten müssen konsekutiv sein. Wenn ein pod, der mehrere Neuron-Geräte anfordert, auf den Instance-Typen inf1.6xlarge oder inf1.24xlarge geplant wird (die mehr als ein Neuron-Gerät besitzen), wird dieser pod nicht gestartet, wenn der Kubernetes Scheduler keine konsekutiven Geräte-IDs auswählt. Weitere Informationen finden Sie unter Logische Geräte-IDs müssen konsekutiv sein auf GitHub.

Voraussetzungen

Erstellen eines Clusters

Erstellen Sie einen Cluster mit Amazon-EC2-Instance-Knoten, auf denen Inf1-Instances ausgeführt werden.

  1. Erstellen Sie einen Cluster mit Knoten, auf denen Inf1 Amazon-EC2-Instances ausgeführt werden. Sie können inf1.2xlarge mit jedem Inf1-Instance-Typ ersetzen. Das eksctl-Dienstprogramm erkennt, dass Sie eine Knotengruppe mit einem Inf1-Instance-Typ starten, und startet Ihre Knoten mit einem der für Amazon EKS optimierten beschleunigten Amazon-Linux-AMIs.

    Anmerkung

    Sie können mit TensorFlow Serving keine IAM-Rollen für Service-Konten verwenden.

    eksctl create cluster \ --name inferentia \ --region region-code \ --nodegroup-name ng-inf1 \ --node-type inf1.2xlarge \ --nodes 2 \ --nodes-min 1 \ --nodes-max 4 \ --ssh-access \ --ssh-public-key your-key \ --with-oidc
    Anmerkung

    Notieren Sie den Wert der folgenden Ausgabezeile. Dieser wird in einem späteren (optionalen) Schritt verwendet.

    [9] adding identity "arn:aws:iam::111122223333:role/eksctl-inferentia-nodegroup-ng-in-NodeInstanceRole-FI7HIYS3BS09" to auth ConfigMap

    Beim Starten einer Knotengruppe mit Inf1-Instances wird eksctl automatisch das AWS Neuron-Plugin für Kubernetes-Geräte installieren. Dieses Plugin zeigt dem Kubernetes Scheduler Neuron-Geräte als Systemressourcen an, die von einem Container angefordert werden können. Zusätzlich zu den Standardrichtlinien für Amazon-EKS-Knoten wird die IAM-Richtlinie für den schreibgeschützten Zugriff von Amazon S3 hinzugefügt. So kann die in einem späteren Schritt behandelte Beispielanwendung ein trainiertes Modell aus Amazon S3 laden.

  2. Überprüfen Sie, ob alle pods korrekt gestartet wurden.

    kubectl get pods -n kube-system

    Gekürzte Ausgabe:

    NAME READY STATUS RESTARTS AGE ... neuron-device-plugin-daemonset-6djhp 1/1 Running 0 5m neuron-device-plugin-daemonset-hwjsj 1/1 Running 0 5m

(Optional) Bereitstellung eines TensorFlow-Serving-Anwendung-Images

Ein trainiertes Modell muss für ein Inferentia-Ziel zusammengetragen werden, bevor es auf Inferentia-Instances bereitgestellt werden kann. Um fortzufahren, benötigen Sie ein Neuron-optimiertes TensorFlow-Modell, das in Amazon S3 gespeichert ist. Wenn Sie noch kein SavedModel haben, folgen Sie bitte dem Tutorial Erstellen eines Neuron-kompatiblen ResNet50-Modells und laden Sie das resultierende SavedModel in S3 hoch. RESnet-50 ist ein verbreitetes Machine Learning-Modell und wird verwendet, um Image-Erkennungsaufgaben zu verwenden Weitere Informationen zum Zusammentragen von Neuron-Modellen finden Sie unter Der AWS-Inferentia-Chip mit DLAMI im AWS Deep Learning AMI-Entwicklerhandbuch.

Das Beispielbereitstellungsmanifest verwaltet einen vordefinierten Inferenz-Serving-Container für TensorFlow, von AWS Deep Learning Containers. Innerhalb des Containers befindet sich die AWS Neuron Runtime und die TensorFlow-Serving-Anwendung. Eine vollständige Liste der vorgefertigten Deep Learning Containers, die für Neuron optimiert sind, wird auf GitHub unter Verfügbare Images aus. Beim Start ruft das Anwendungsabbild das Modell aus Amazon S3 ab, startet Neuron TensorFlow Serving mit dem gespeicherten Modell und wartet auf Prognoseanforderungen.

Die Anzahl der Neuron-Geräte, die Ihrer Serving-Anwendung zugewiesen sind, kann angepasst werden, indem Sie die aws.amazon.com/neuron-Ressource in der Bereitstellung yaml verändern. Bitte beachten Sie, dass die Kommunikation zwischen TensorFlow Serving und der Neuron Runtime über GRPC erfolgt, was die Übergabe der IPC_LOCK-Fähigkeit an den Container erfordert.

  1. Fügen Sie die IAM-Richtlinie-AmazonS3ReadOnlyAccess der Knoten-Instance-Rolle hinzu, die in Schritt 1 unter Erstellen eines Clusters erstellt wurde. Dies ist notwendig, damit die Beispielanwendung ein trainiertes Modell aus Amazon S3 laden kann.

    aws iam attach-role-policy \ --policy-arn arn:aws:iam::aws:policy/AmazonS3ReadOnlyAccess \ --role-name eksctl-inferentia-nodegroup-ng-in-NodeInstanceRole-FI7HIYS3BS09
  2. Erstellen Sie eine Datei mit dem Namen rn50_deployment.yaml und dem folgenden Inhalt. Aktualisieren Sie den Regions-Code und den Modellpfad entsprechend den gewünschten Einstellungen. Der Modellname dient Identifikationszwecken, wenn ein Kunde eine Anforderung an den TensorFlow-Server stellt. In diesem Beispiel wird ein Modellname verwendet, der mit einem ResNet50-Client-Beispielskript übereinstimmt, das in einem späteren Schritt zum Senden von Prognoseanforderungen verwendet wird.

    aws ecr list-images --repository-name neuron-rtd --registry-id 790709498068 --region us-west-2
    kind: Deployment apiVersion: apps/v1 metadata: name: eks-neuron-test labels: app: eks-neuron-test role: master spec: replicas: 2 selector: matchLabels: app: eks-neuron-test role: master template: metadata: labels: app: eks-neuron-test role: master spec: containers: - name: eks-neuron-test image: 763104351884.dkr.ecr.us-east-1.amazonaws.com/tensorflow-inference-neuron:1.15.4-neuron-py37-ubuntu18.04 command: - /usr/local/bin/entrypoint.sh args: - --port=8500 - --rest_api_port=9000 - --model_name=resnet50_neuron - --model_base_path=s3://your-bucket-of-models/resnet50_neuron/ ports: - containerPort: 8500 - containerPort: 9000 imagePullPolicy: IfNotPresent env: - name: AWS_REGION value: "us-east-1" - name: S3_USE_HTTPS value: "1" - name: S3_VERIFY_SSL value: "0" - name: S3_ENDPOINT value: s3.us-east-1.amazonaws.com - name: AWS_LOG_LEVEL value: "3" resources: limits: cpu: 4 memory: 4Gi aws.amazon.com/neuron: 1 requests: cpu: "1" memory: 1Gi securityContext: capabilities: add: - IPC_LOCK
  3. Stellen Sie das Modell bereit.

    kubectl apply -f rn50_deployment.yaml
  4. Erstellen Sie eine Datei mit dem Namen rn50_service.yaml und dem folgenden Inhalt. Die HTTP- und gRPC-Ports werden für die Annahme von Prognoseanforderungen geöffnet.

    kind: Service apiVersion: v1 metadata: name: eks-neuron-test labels: app: eks-neuron-test spec: type: ClusterIP ports: - name: http-tf-serving port: 8500 targetPort: 8500 - name: grpc-tf-serving port: 9000 targetPort: 9000 selector: app: eks-neuron-test role: master
  5. Erstellen Sie einen Kubernetes-Service für Ihre TensorFlow-Serving-Modellanwendung.

    kubectl apply -f rn50_service.yaml

(Optional) Erstellung von Prognosen für den TensorFlow-Serving-Service

  1. Um dies lokal zu testen, leiten Sie den gRPC-Port an den Service eks-neuron-test weiter.

    kubectl port-forward service/eks-neuron-test 8500:8500 &
  2. Erstellen Sie das Python-Skript namens tensorflow-model-server-infer.py mit folgendem Inhalt. Dieses Skript führt die Inferenz über gRPC (Service-Framework) aus.

    import numpy as np import grpc import tensorflow as tf from tensorflow.keras.preprocessing import image from tensorflow.keras.applications.resnet50 import preprocess_input from tensorflow_serving.apis import predict_pb2 from tensorflow_serving.apis import prediction_service_pb2_grpc from tensorflow.keras.applications.resnet50 import decode_predictions if __name__ == '__main__': channel = grpc.insecure_channel('localhost:8500') stub = prediction_service_pb2_grpc.PredictionServiceStub(channel) img_file = tf.keras.utils.get_file( "./kitten_small.jpg", "https://raw.githubusercontent.com/awslabs/mxnet-model-server/master/docs/images/kitten_small.jpg") img = image.load_img(img_file, target_size=(224, 224)) img_array = preprocess_input(image.img_to_array(img)[None, ...]) request = predict_pb2.PredictRequest() request.model_spec.name = 'resnet50_inf1' request.inputs['input'].CopyFrom( tf.make_tensor_proto(img_array, shape=img_array.shape)) result = stub.Predict(request) prediction = tf.make_ndarray(result.outputs['output']) print(decode_predictions(prediction))
  3. Führen Sie das Skript aus, um Prognosen an den Service zu senden.

    python3 tensorflow-model-server-infer.py

    Die Beispielausgabe lautet wie folgt.

    [[(u'n02123045', u'tabby', 0.68817204), (u'n02127052', u'lynx', 0.12701613), (u'n02123159', u'tiger_cat', 0.08736559), (u'n02124075', u'Egyptian_cat', 0.063844085), (u'n02128757', u'snow_leopard', 0.009240591)]]