[分享] 一个开源的基于 pipeline 的高性能 AI 推理框架 Modelbox
pymumu · 2022-11-10 19:23:25 +08:00 · 1365 次点击这是一个创建于 730 天前的主题，其中的信息可能已经有所发展或是发生改变。
地址： https://github.com/modelbox-ai/modelbox
文档： https://modelbox-ai.com/modelbox-book/
通过 UI 编排方式实现一个 REST-API Echo-Server 服务截图：
ModelBox 解决的问题
目前 AI 应用开发时，训练完成模型后，需要将多个模型和应用逻辑串联在一起组成 AI 应用，并上线发布成为服务或应用。在整个过程中，需要面临复杂的应用编程问题：
| 问题 | 问题说明 |
|---|---|
| 需要开发 AI 应用的周边功能 | 比如 AI 应用编译工程，应用初始化，配置管理接口，日志管理口，应用故障监控等功能。 |
| 需要开发 AI 常见的前后处理 | 音视频加解码，图像转换处理，推理前处理，后处理 YOLO 等开发。 |
| 需要开发和云服务对接的周边功能 | 比如 HTTP 服务开发，云存储，大数据服务，视频采集服务对接开发。 |
| 需要开发出高性能的推理应用 | 需要基于多线程，内存池化，显存池化，多 GPU 加速卡，模型 batch 批处理，调用硬件卡的 API 等手段开发应用。 |
| 需要开发验证 docker 镜像 | 需要开发 docker 镜像，集成必要的 ffmpeg ，opencv 软件，CUDA, MindSpore ，TensorFlow 等软件，并做集成测试验证。 |
| 多种 AI 业务，需要共享代码，降低维护工作 | 需要复用不同组件的代码，包括 AI 前后处理代码，AI 应用管理代码，底层内存，线程管理代码等。 |
| 模型开发者，验证模型功能比较复杂 | 模型开发者完成模型训练后，需要编写 python 代码验证，之后，再转成生产代码；在高性能，高可靠场景改造工作量大。 |
ModelBox 的目标是解决 AI 开发者在开发 AI 应用时的编程复杂度，降低 AI 应用的开发难度，将复杂的数据处理，并发互斥，多设备协同，组件复用，数据通信，交由 ModelBox 处理。开发者主要聚焦业务逻辑本身，而不是软件细节。 在提高 AI 推理开发的效率同时，保证软件的性能，可靠性，安全性等属性。
目前尚无回复
Select Language