如何解决在Amazon SageMaker中运行批量转换时,GPU利用率为零
我想在AWS SageMaker上运行批处理转换作业。我有一个在本地GPU上训练过的图像分类模型。现在,我想将其部署在AWS SageMaker上,并使用Batch Transform进行预测。批处理转换作业成功运行时,作业期间的GPU利用率始终为零(但是GPU内存利用率为97%)。这就是CloudWatch告诉我的。另外,这项工作大约需要花费时间。 7分钟处理500张图像,我希望它的运行速度比这快得多,至少与将其与在本地GPU上处理图像所需的时间进行比较时是可以的。
我的问题:即使我使用的是GPU实例(我使用的是ml.p3.2xlarge实例),为什么批处理转换期间也没有使用GPU?我能够将相同的模型部署到端点并发送请求。在部署到端点而不是使用批处理转换时,实际上会使用GPU。
模型准备
我正在使用带有TensorFlow后端的Keras模型。我使用本指南https://aws.amazon.com/blogs/machine-learning/deploy-trained-keras-or-tensorflow-models-using-amazon-sagemaker/将该模型转换为Sagemaker模型:
import tensorflow as tf
from tensorflow.python.saved_model import builder
from tensorflow.python.saved_model.signature_def_utils import predict_signature_def
from tensorflow.python.saved_model import tag_constants
import tarfile
import sagemaker
# deactivate eager mode
if tf.executing_eagerly():
tf.compat.v1.disable_eager_execution()
builder = builder.SavedModelBuilder(export_dir)
# Create prediction signature to be used by TensorFlow Serving Predict API
signature = predict_signature_def(
inputs={"image_bytes": model.input},outputs={"score_bytes": model.output})
with tf.compat.v1.keras.backend.get_session() as sess:
# Save the meta graph and variables
builder.add_meta_graph_and_variables(
sess=sess,tags=[tag_constants.SERVING],signature_def_map={"serving_default": signature})
builder.save()
with tarfile.open(tar_model_file,mode='w:gz') as archive:
archive.add('export',recursive=True)
sagemaker_session = sagemaker.Session()
s3_uri = sagemaker_session.upload_data(path=tar_model_file,bucket=bucket,key_prefix=sagemaker_model_dir)
批量转换
用于批量转换的容器图像:763104351884.dkr.ecr.eu-central-1.amazonaws.com/tensorflow-inference:2.0.0-gpu
framework = 'tensorflow'
instance_type='ml.p3.2xlarge'
image_scope = 'inference'
tf_version = '2.0.0'
py_version = '3.6'
sagemaker_model = TensorFlowModel(model_data=MODEL_TAR_ON_S3,role=role,image_uri=tensorflow_image)
transformer = sagemaker_model.transformer(
instance_count = 1,instance_type = instance_type,strategy='MultiRecord',max_concurrent_transforms=8,max_payload=10,# in MB
output_path = output_data_path,)
transformer.transform(data = input_data_path,job_name = job_name,content_type = 'application/json',logs=False,wait=True
)
日志文件摘录
加载模型需要很长时间(几分钟)。在这段时间内,将记录以下错误消息:
2020-11-08T15:14:12.433 + 01:00 2020/11/08 14:14:12 [错误] 14#14:* 3066在连接到上游时没有活动的上游,客户端: 169.254.255.130,服务器:,请求:“ GET / ping HTTP / 1.1”,子请求:“ / v1 / models / my_model:predict”,上游: “ http:// tfs_upstream / v1 / models / my_model:predict”,主持人: “ 169.254.255.131:8080” 2020-11-08T15:14:12.433 + 01:00
#015 2020-11-08T15:14:12.433 + 01:00
169.254.255.130--[08 / Nov / 2020:14:14:12 +0000]“ GET / ping HTTP / 1.1” 502157“-”“ Go-http-client / 1.1” 2020-11-08T15:14: 12.433 + 01:00
2020/11/08 14:14:12 [错误] 14#14:* 3066 js:失败ping#015 2020-11-08T15:14:12.433 + 01:00 502错误 网关#015 2020-11-08T15:14:12.433 + 01:00502 错误的网关
#015 2020-11-08T15:14:12.433 + 01:00
nginx / 1.16.1#015 2020-11-08T15:14:12.433 + 01:00 #015 2020-11-08T15:14:12.433 + 01:00#015
有一个有关NUMA节点的日志条目已读:
从SysFS读取的成功NUMA节点的值为负(-1),但是 必须至少有一个NUMA节点,所以返回NUMA节点为零
关于服务热身请求:
在以下位置找不到预热数据文件 /opt/ml/model/export/my_model/1/assets.extra/tf_serving_warmup_requests
此警告:
[警告] getaddrinfo:不支持节点名称的地址族
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。