翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
TorchServe
TorchServe は、 Deep Learning AMI with Conda がプリインストールされた PyTorch. TorchServe comes からエクスポートされた深層学習モデルを提供するための柔軟なツールです。
の使用の詳細については TorchServe、「 ドキュメントのモデルサーバー PyTorch
トピック
で画像分類モデルを提供する TorchServe
このチュートリアルでは、 を使用して画像分類モデルを提供する方法を示します TorchServe。が提供する DenseNet-161 モデルを使用します PyTorch。サーバーが実行されると、予測リクエストをリッスンします。イメージをアップロードすると (この例では猫の画像)、サーバーはモデルがトレーニングされたクラスから最適な 5 つの一致するクラスの予測を返します。
でサンプル画像分類モデルを提供するには TorchServe
-
Deep Learning AMI with Conda v34 以降の Amazon Elastic Compute Cloud (Amazon EC2) インスタンスに接続します。
-
pytorch_p310
環境をアクティブ化します。source activate pytorch_p310
-
TorchServe リポジトリをクローンし、モデルを保存するディレクトリを作成します。
git clone https://github.com/pytorch/serve.git mkdir model_store
-
モデルアーカイバを使用してモデルをアーカイブします。
extra-files
パラメータはTorchServe
リポジトリのファイルを使用するため、必要に応じてパスを更新します。モデルアーカイブの詳細については、「 のトークモデルアーカイブ」を参照してください TorchServe。wget https://download.pytorch.org/models/densenet161-8d451a50.pth 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
-
TorchServe を実行してエンドポイントを開始します。
> /dev/null
を追加すると、ログ出力が抑止されます。torchserve --start --ncs --model-store model_store --models densenet161.mar > /dev/null
-
子猫のイメージをダウンロードし、予測エンドポイントに送信します TorchServe。
curl -O https://s3.amazonaws.com/model-server/inputs/kitten.jpg curl http://127.0.0.1:8080/predictions/densenet161 -T kitten.jpg
予測エンドポイントは次のような上位 5 つの予測に類似する予測を JSON で返します。ここでは、エジプシャンマウが含まれている可能性が 47%、続いてトラネコが含まれている可能性が 46% となっています。
{ "tiger_cat": 0.46933576464653015, "tabby": 0.463387668132782, "Egyptian_cat": 0.0645613968372345, "lynx": 0.0012828196631744504, "plastic_bag": 0.00023323058849200606 }
-
テストが完了したら、以下のようにサーバーを停止します。
torchserve --stop
その他の例
TorchServe には、DLAMI インスタンスで実行できるさまざまな例があります。プロジェクト TorchServeリポジトリの例のページ
詳細情報
Docker のセットアップ方法 TorchServeや最新の TorchServe 機能など、詳細な TorchServe ドキュメントについては、「」の「 TorchServe プロジェクトページ