前言

為了進(jìn)行機器學(xué)習(xí)工程，首先要部署一個模型，在大多數(shù)情況下作為一個預(yù)測API。為了使此API在生產(chǎn)中工作，必須首先構(gòu)建模型服務(wù)基礎(chǔ)設(shè)施。這包括負(fù)載平衡、擴展、監(jiān)視、更新等等。

[[338615]]

乍一看，所有這些工作似乎都很熟悉。Web開發(fā)人員和DevOps工程師多年來一直在自動化微服務(wù)基礎(chǔ)設(shè)施。當(dāng)然，我們可以重新定位他們的工具?

不幸的是，我們不能。

雖然ML的基礎(chǔ)結(jié)構(gòu)與傳統(tǒng)的DevOps類似，但它與ML的特殊性足以使標(biāo)準(zhǔn)的DevOps工具不那么理想。這就是為什么我們開發(fā)了Cortex——機器學(xué)習(xí)工程的開源平臺。

在一個非常高的層次上，Cortex被設(shè)計用來簡化在本地或云上部署模型，從而自動化所有底層基礎(chǔ)設(shè)施。該平臺的一個核心組件是預(yù)測器接口——一個可編程Python接口，開發(fā)人員可以通過該接口編寫預(yù)測api。

設(shè)計一個專門為web請求提供預(yù)測的Python接口是一個挑戰(zhàn)，我們花了幾個月的時間(目前仍在改進(jìn))。在這里，我想分享一些我們已經(jīng)開發(fā)的設(shè)計原則:

1.預(yù)測器只是一個Python類

Cortex的核心是我們的預(yù)測器，它本質(zhì)上是一個預(yù)測API，包括所有的請求處理代碼和依賴關(guān)系。預(yù)測器接口為這些預(yù)測api實施了一些簡單的需求。

因為Cortex采用微服務(wù)的方式來進(jìn)行模型服務(wù)，預(yù)測器界面嚴(yán)格關(guān)注兩件事:

• 初始化模型
• 提供預(yù)測

在這種精神下，Cortex的預(yù)測界面需要兩種功能，即剩余的init__()和predict()，它們或多或少做你所期望的事情:

import torch 
from transformers import pipeline 
 
class PythonPredictor: 
    def __init__(self, config): 
        # Use GPUs, if available 
        device = 0 if torch.cuda.is_available() else -1 
        # Initialize model 
        self.summarizer = pipeline(task="summarization", device=device) 
 
    def predict(self, payload): 
        # Generate prediction 
        summary = self.summarizer( 
            payload["text"], num_beams=4, length_penalty=2.0, max_length=142, no_repeat_ngram_size=3 
        ) 
        # Return prediction 
        return summary[0]["summary_text"] 

初始化之后，您可以將一個預(yù)測器看作一個Python對象，當(dāng)用戶查詢端點時，將調(diào)用它的單個predict()函數(shù)。

這種方法的最大好處之一是，對于任何有軟件工程經(jīng)驗的人來說，它都是直觀的。不需要接觸數(shù)據(jù)管道或模型訓(xùn)練代碼。模型只是一個文件，而預(yù)測器只是一個導(dǎo)入模型并運行predict()方法的對象。

然而，除了語法上的吸引力之外，這種方法還提供了一些關(guān)鍵的好處，即它如何補充了皮層更廣泛的方法。

2. 預(yù)測只是一個HTTP請求

為生產(chǎn)中提供預(yù)測服務(wù)而構(gòu)建接口的復(fù)雜性之一是，輸入幾乎肯定會與模型的訓(xùn)練數(shù)據(jù)不同，至少在格式上是這樣。

這在兩個層面上起作用:

• POST請求的主體不是一個NumPy數(shù)組，也不是您的模型用來處理的任何數(shù)據(jù)結(jié)構(gòu)。
• 機器學(xué)習(xí)工程就是使用模型來構(gòu)建軟件，這通常意味著使用模型來處理它們沒有受過訓(xùn)練的數(shù)據(jù)，例如使用GPT-2來編寫民間音樂。

因此，預(yù)測器接口不能對預(yù)測API的輸入和輸出固執(zhí)己見。預(yù)測只是一個HTTP請求，開發(fā)人員可以隨意處理它。例如，如果他們想部署一個多模型端點，并基于請求參數(shù)查詢不同的模型，他們可以這樣做:

import torch 
from transformers import pipeline 
from starlette.responses import JSONResponse 
 
class PythonPredictor: 
    def __init__(self, config): 
        self.analyzer = pipeline(task="sentiment-analysis") 
        self.summarizer = pipeline(task="summarization") 
 
    def predict(self, query_params, payload): 
        model_name = query_params.get("model") 
        if model_name == "sentiment": 
            return self.analyzer(payload["text"])[0] 
        elif model_name == "summarizer": 
            summary = self.summarizer(payload["text"])[0] 
        else: 
            return JSONResponse({"error": f"unknown model: {model_name}"}, status_code=400) 

雖然這個界面讓開發(fā)者可以自由地使用他們的API做什么，它也提供了一些自然的范圍，使皮質(zhì)在基礎(chǔ)設(shè)施方面更加固執(zhí)己見。

例如，在后臺Cortex使用FastAPI來設(shè)置請求路由。Cortex在這一層設(shè)置了許多與自動排序、監(jiān)控和其他基礎(chǔ)設(shè)施功能相關(guān)的過程，如果開發(fā)人員需要實現(xiàn)路由，這些功能可能會變得非常復(fù)雜。

但是，因為每個API都有一個predict()方法，所以每個API都有相同數(shù)量的路由—1。假設(shè)這允許Cortex在基礎(chǔ)設(shè)施層面做更多的事情，而不限制工程師。

3.服務(wù)模型只是一個微服務(wù)

對于在生產(chǎn)中使用機器學(xué)習(xí)的人來說，規(guī)模是一個主要的問題。型號可能會很大(GPT-2大約是6 GB)，計算成本高，并且可能有很高的延遲。特別是對于實時推斷，擴大規(guī)模來處理流量是一項挑戰(zhàn)——如果你的預(yù)算有限，情況更是如此。

為了解決這個問題，Cortex把預(yù)測器當(dāng)作微型服務(wù)，可以水平伸縮。更具體地說，當(dāng)開發(fā)人員進(jìn)行Cortex部署時，Cortex將包含API，旋轉(zhuǎn)為推理準(zhǔn)備的集群，并進(jìn)行部署。然后，它將API公開為負(fù)載平衡器背后的web服務(wù)，并配置自動縮放、更新和監(jiān)視:

預(yù)測器接口是此過程的基礎(chǔ)，盡管它“只是”一個Python接口。

預(yù)測器接口所做的是強制打包代碼，使其成為推理的單個原子單元。單個API所需的所有請求處理代碼都包含在一個預(yù)測器中。這使得大腦皮層能夠很容易地衡量預(yù)測因素。

通過這種方式，工程師不必做任何額外的工作——當(dāng)然，除非他們想做一些調(diào)整——準(zhǔn)備一個用于生產(chǎn)的API。一個皮層的部署是默認(rèn)的生產(chǎn)準(zhǔn)備就緒。