GitHub热门项目:生产级深度学习项目如何构建?

举报
HWCloudAI 发表于 2019/12/05 10:33:26 2019/12/05
【摘要】 在生产中部署深度学习模型可能很有挑战性,因为这远远不仅是训练出具有良好性能的模型就足够了。为了部署生产级深度学习系统,还需要正确设计和开发一众组件。本文介绍了 GitHub 上的一个工程指南,用于构建将部署在实际应用程序中的生产级深度学习系统。

在这篇文章中,我们将详细介绍生产级深度学习系统的各个模块,并推荐适合每个组件的工具集和框架,以及实践者提供的最佳实践。

image.png

image.png

1、数据管理

1.1 数据源

开源数据 (好的开端,但并非优势)、数据增强以及合成数据

1.2 标注

标注的劳动力来源:

  • 众包
  • 服务公司:FigureEight

  • 雇佣标注员

标注平台:

  • Prodigy:一种由主动学习(active learning)(由 Spacy 开发人员开发)、文本和图像支持的注释工具。
  • HIVE:用于计算机视觉的人工智能即服务平台。

  • Supervisely:完整的计算机视觉平台。

  • Labelbox:计算机视觉。

  • Scale 人工智能数据平台(计算机视觉和自然语言处理)。


1.3 存储

数据存储选项:

  • 对象存储:存储二进制数据(图像、声音文件、压缩文本)
    • Aamzon S3
    • Ceph 对象存储

  • 数据库:存储元数据(文件路径、标签、用户活动等)。
    • Postgres 对于大多数应用程序来说都是正确的选择,它提供了同类最佳的 SQL 和对非结构化 JSON 的强大支持。
  • 数据湖:用于聚合无法从数据库获得的特征(例如日志)。
    • Amazon Redshift
  • 特征存储:机器学习特征的存储和访问。
    • FEAST(Google 云,开源)
    • Michelangelo(Uber)

    • 在训练期间:将数据复制到本地或集群文件系统中。


1.4 版本控制

  • DVC:用于机器学习项目的开源版本控制系统

  • Pachyderm:用于数据的版本控制

  • Dolt:用于 SQL 数据库的版本控制


1.5 处理


生产模型的训练数据可能来自不同的源,包括数据库和对象存储中的存储数据、日志处理和其他分类器的输出。

任务之间存在依赖关系,每个人物都需要在其依赖关系完成后才能启动。例如,对新的日志数据进行训练,需要在训练之前进行预处理。因此,工作流在这方面变得相当重要。

  • 工作流:
    • Airflow (最常用的)

image.png

2、开发、训练与评估

2.1 软件工程

编辑器:

  • Vim
  • Emacs

  • VS Code(作者推荐):内置 Git 暂存和显示文件差异、Lint 代码扫描、通过 SSH 远程打开项目。

  • Jupyter Notebooks:作为项目的起点很好,但它难以实现规模化。

  • Streamlit:具有小程序的交互式数据科学工具。

建议:

对于个人或初创企业:

  • 开发:一台 4 核图灵架构的计算机。
  • 训练 / 评估:使用相同的 4 核 GPU 计算机。在运行许多实验时,可以购买共享服务器或使用云实例。

对于大型公司:

  • 开发:为每位机器学习科学家购买一台 4 核图灵架构计算机,或者让他们使用 V100 实例。
  • 训练 / 评估:在正确配置和处理故障的情况下使用云实例。


2.2 资源管理

为程序分配免费资源:

资源管理选项:

  • 旧式集群作业调度程序(如,Slurm 工作负载管理器)
  • Docker + Kubernetes

  • Kubeflow

  • Polyaxon(付费功能)


2.3 深度学习框架

除非有充分的理由不这样做,否则请使用 TensorFlow/Keras 或 PyTorch。下图显示了不同框架在开发和 生产方面的比较。

image.png

2.4 实验管理

开发、训练和评估策略:永远从简单开始。在小批量上训练一个小型模型,只有在它能起作用的情况下,才扩展到更大的数据和模型,并进行超参数调优。

实验管理工具:

  • Tensorboard:提供了机器学习实验所需的可视化和工具。
  • Losswise(用于机器学习的监控)

  • Comet:让你可以跟踪机器学习项目上的代码、实验和结果。

  • Weights & Biases:通过简单的协作,记录并可视化研究的每个细节。

  • MLFlow Tracking:用于记录参数、代码版本、指标和输出文件,以及结果的可视化。


2.5 超参数调优

Hyperas:用于 Keras 的 hyperopt 的简单包装器,使用简单的模板符号定义要调优的超参数范围。SIGOPT:可扩展的企业级优化平台。Ray-Tune:可扩展的分布式模型选择研究平台(专注于深度学习和深度强化学习)。Sweeps from Weights & Biases:参数并非由开发人员显式指定,而是由机器学习模型来近似和学习的。

2.6 分布式训练

数据并行性:当迭代时间过长就使用它(TensorFlow 和 PyTorch 均支持)。

模型并行性:当模型不适合单 GPU 的情况下就是用它。

其他解决方案:

  • Ray
  • Horovod


3、故障排除【有待完善】

4、测试与部署

4.1 测试与CI/CD

与传统软件相比,机器学习生产软件需要更多样化的测试套件:

image.png

单元测试和集成测试

  • 测试类型:
    • 训练系统测试:测试训练管道。
    • 验证测试:在验证集上测试预测系统。

    • 功能测试。

    • 持续集成:在将每个新代码更改推送到仓库后运行测试。

用于持续集成的 SaaS:

  • CircleCI、Travis
  • Jenkins、Buildkite


4.2. 网络部署


  • 由 预测系统 和 服务系统 组成

    • 在考虑规模的情况下为预测服务。
    • 使用 REST API 为预测 HTTP 请求提供服务。

    • 调用预测系统进行响应

    • 预测系统:处理输入数据,进行预测。

    • 服务系统(Web 服务器):

  • 服务选项:
    • Docker
    • Kubernetes (现在最流行)

    • MESOS

    • Marathon

    • 通过 模型服务 解决方案部署。

    • 将代码部署为“无服务器函数”。


模型服务:

  • Tensorflow 服务
  • MXNet Model 服务器

  • Clipper (Berkeley)

  • SaaS 解决方案 (Seldon,算法)

  • 专门针对机器学习模型的网络部署。

  • 用于 GPU 推理的批处理请求。

  • 框架:Tensorflow 服务、MXNet Model 服务器、Clipper、SaaS 解决方案 (Seldon,算法)

决策:
  • TensorFlow 服务或 Clipper
  • 自适应批处理很有用。

  • 如果 CPU 推理满足要求,则更可取。

  • 通过添加更多的服务器或无服务器进行扩展。

  • CPU 推理:

  • GPU 推理:


4.3 Service Mesh 和 Traffic Routing

从单片应用程序过渡到分布式微服务体系结构可能具有挑战性。

服务网格(由微服务网络组成)降低了此类部署的复杂性,并减轻了开发团队的压力。

Istio:一种服务网格技术,简化已部署服务网络的创建,而服务中的代码更改很少或没有。


4.4. 监控

目的:

  • 针对停机时间、错误和分发变化的警报。
  • 抓取服务和数据回归。

此外,云提供商的解决方案也是相当不错。

image.png


4.5. 在嵌入式和移动设备上部署


  • 主要挑战:内存占用和计算限制

  • 解决方案:
    • DistillBERT (用于自然语言处理)
    • MobileNets

    • 量化

    • 缩小模型尺寸

    • 知识蒸馏

  • 嵌入式和移动框架:
    • Tensorflow Lite
    • PyTorch Mobile

    • Core ML

    • ML Kit

    • FRITZ

    • OpenVINO

  • 模型转换:
    • 开放神经网络交换(Open Neural Network Exchange,ONNX):用于深度学习模型的开源格式。


4.6. 一体化解决方案


  • Tensorflow Extended (TFX)

  • Michelangelo (Uber)

  • Google Cloud AI Platform

  • Amazon SageMaker

  • Neptune

  • FLOYD

  • Paperspace

  • Determined AI

  • Domino data lab

image.png

 Tensorflow Extended (TFX)

image.png

 Airflow and KubeFlow ML Pipelines

image.png


本文提供的材料大部分来自于 Full Stack Deep Learning Bootcamp(全栈深度学习训练营)(作者:Pieter Abbeel、Josh Tobin、Sergey Karayev)、TFX 工作室(作者:Robert Crowe)、Pipeline.ai 举办的 Advanced KubeFlow Meetup(作者:Chris Fregly)。


该项目的 GitHub 地址(该项目还在完善中):

https://github.com/alirezadir/Production-Level-Deep-Learning


作者 | Alireza Dirafzoon

译者 | Sambodhi


【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200