使用C++接口执行并发推理

概述

MindSpore Lite提供多model并发推理接口ModelParallelRunner，多model并发推理现支持CPU、GPU后端。

快速了解MindSpore Lite执行并发推理的完整调用流程，请参考体验C++极简并发推理Demo。

通过MindSpore Lite模型转换工具转换成.ms模型后，即可在Runtime中执行模型的并发推理流程。本教程介绍如何使用C++接口执行多model并发推理。

使用MindSpore Lite并发推理主要包括以下步骤：

创建配置项：创建多model并发推理配置项RunnerConfig，用于配置多model并发。
初始化：多model并发推理前的初始化。
执行并发推理：使用ModelParallelRunner的Predict接口进行多Model并发推理。
释放内存：无需使用MindSpore Lite并发推理框架时，需要释放自己创建的ModelParallelRunner以及相关的Tensor。

创建配置项

配置项RunnerConfig会保存一些并发推理所需的基本配置参数，用于指导并发model数量以及模型编译和模型执行。

下面示例代码演示了如何创建RunnerConfig，并配置并发推理的worker数量。

// Create and init context, add CPU device info
auto context = std::make_shared<mindspore::Context>();
if (context == nullptr) {
  std::cerr << "New context failed." << std::endl;
  return -1;
}
auto &device_list = context->MutableDeviceInfo();
auto device_info = std::make_shared<mindspore::CPUDeviceInfo>();
if (device_info == nullptr) {
  std::cerr << "New CPUDeviceInfo failed." << std::endl;
  return -1;
}
device_list.push_back(device_info);

// Create model
auto model_runner = new (std::nothrow) mindspore::ModelParallelRunner();
if (model_runner == nullptr) {
  std::cerr << "New Model failed." << std::endl;
  return -1;
}
auto runner_config = std::make_shared<mindspore::RunnerConfig>();
if (runner_config == nullptr) {
  std::cerr << "runner config is nullptr." << std::endl;
  return -1;
}
runner_config->SetContext(context);
runner_config->SetWorkersNum(kNumWorkers);

Context的配置方法详细见Context。

多model并发推理现阶段只支持CPUDeviceInfo、GPUDeviceInfo两种不同的硬件后端。在设置GPU后端的时候需要先设置GPU后端再设置CPU后端，否则会报错退出。

多model并发推理不支持FP32类型数据推理，绑核只支持不绑核或者绑大核，不支持绑中核的参数设置，且不支持配置绑核列表。

初始化

使用MindSpore Lite执行并发推理时，ModelParallelRunner是并发推理的主入口，通过ModelParallelRunner可以初始化以及执行并发推理。采用上一步创建得到的RunnerConfig，调用ModelParallelRunner的Init接口来实现ModelParallelRunner的初始化。

下面示例代码演示了ModelParallelRunner的初始化过程：

// Build model
auto build_ret = model_runner->Init(model_path, runner_config);
if (build_ret != mindspore::kSuccess) {
delete model_runner;
  std::cerr << "Build model error " << build_ret << std::endl;
  return -1;
}

ModelParallelRunner的初始化，可以不设置RunnerConfig配置参数，则会使用默认参数进行多model的并发推理。

执行并发推理

MindSpore Lite调用ModelParallelRunner的Predict接口进行模型并发推理。

下面示例代码演示调用Predict执行推理。

// Model Predict
auto predict_ret = model_runner->Predict(inputs, &outputs);
if (predict_ret != mindspore::kSuccess) {
  delete model_runner;
  std::cerr << "Predict error " << predict_ret << std::endl;
  return -1;
}

Predict接口的inputs和outputs，建议使用GetInputs、GetOutputs获得，用户通过SetData的方式设置数据的内存地址、以及Shape相关信息。

释放内存

无需使用MindSpore Lite推理框架时，需要释放已经创建的ModelParallelRunner，下列示例代码演示如何在程序结束前进行内存释放。

// Delete model runner.
delete model_runner;