基于Keras和Gunicorn+Flask部署深度学习模型

5,408 阅读15分钟

本文主要记录在进行Flask部署过程中所使用的流程,遇到的问题以及相应的解决方案。

1、项目简介

该部分简要介绍一下前一段时间所做的工作:

  • 基于深度学习实现一个简单的图像分类问题
  • 借助flask框架将其部署到web应用中
  • 并发要求较高

这是第一次进行深度学习模型的web应用部署,在整个过程中,进一步折射出以前知识面之窄,在不断的入坑、解坑中实现一版。

2、项目流程

这部分从项目实施的流程入手,记录所做的工作及用到的工具。

2.1 图像分类模型

1. 模型的选择

需要进行图像分类,第一反应是利用较为成熟与经典的分类网络结构,如VGG系列(VGG16, VGG19),ResNet系列(如ResNet50),InceptionV3等。

考虑到是对未知类型的图像进行分类,且没有直接可用的训练数据,因此使用在Imagenet上训练好的预训练模型,基本满足要求。

如果对性能(耗时)要求较为严格,则建议使用深度较浅的网络结构,如VGG16, MobileNet等。

其中,MobileNet网络是为移动端和嵌入式端深度学习应用设计的网络,使得在cpu上也能达到理想的速度要求。是一种轻量级的深度网络结构。

MobileNetGoogle 团队提出,发表于 CVPR-2017,论文标题: 《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》

2. 框架选择

  • 平时使用Keras框架比较多,Keras底层库使用TheanoTensorflow,也称为Keras的后端。Keras是在Tensorflow基础上构建的高层API,比Tensorflow更容易上手。

  • 上述提到的分类网络,在Keras中基本已经实现,Keras中已经实现的网络结构如下所示:

  • 使用方便,直接导入即可,如下:

因此,选择Keras作为深度学习框架。

3. 代码示例

Keras框架,VGG16网络为例,进行图像分类。

from keras.models import Model
from keras.applications.vgg16 import VGG16, preprocess_input
import keras.backend.tensorflow_backend as KTF
import tensorflow as tf
os.environ["CUDA_VISIBLE_DEVICES"] = "0,1" #使用GPU
# 按需占用GPU显存
gpu_options = tf.GPUOptions(allow_growth=True)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
KTF.set_session(sess)

# 构建model
base_model = VGG16(weights=‘imagenet’, include_top=True)
model = Model(inputs=base_model.input,
outputs=base_model.get_layer(layer).output) # 获取指定层的输出值,layer为层名

# 进行预测
img = load_image(img_name, target_size=(224, 224))  # 加载图片并resize成224x224

# 图像预处理
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x) 

feature = model.predict(x) # 提取特征

2.2 模型性能测试

将分类模型跑通后,我们需要测试他们的性能,如耗时、CPU占用率、内存占用以及GPU显存占用率等。

1. 耗时

耗时是为了测试图像进行分类特征提取时所用的时间,包括图像预处理时间和模型预测时间的总和。

# 使用python中的time模块
import time
t0 = time.time()
....
图像处理和特征提取
....

print(time.time()-t0) #耗时,以秒为单位

2. GPU显存占用

使用英伟达命令行nvidia-smi可以查看显存占用。

3. CPU, MEM占用

使用top命令或htop命令查看CPU占用率以及内存占用率。

内存占用还可以使用free命令来查看:

  • free -h : 加上-h选项,输出结果较为友好,会给出合适单位

  • 需要持续观察内存状况时,可以使用-s选项指定间隔的秒数: free -h -s 3(每隔3秒更新一次,停止更新时按下Ctrl+c

Ubuntu 16.04版本中默认的free版本有bug,使用-s选项时会报错。

根据以上三个测试结果适时调整所采用的网络结构及显存占用选项。

命令具体含义可参考博文:

Linux查看CPU和内存使用情况

2.3 Redis使用

Redis=Remote DIctionary Server,是一个由Salvatore Sanfilippo写的高性能的key-value存储系统。Redis是一个开源的使用ANSI C语言编写、遵守BSD协议、支持网络、可基于内存亦可持久化的日执行、key-value数据库,并提供多种语言的API。

Redis支持存储的类型有string, list, set, zsethash,在处理大规模数据读写的场景下运用比较多。

1. 基本使用

安装redis

pip install redis

# 测试
import redis

基本介绍

redis.py提供了两个类:RedisStrictRedis用于实现Redis的命令 StrictRedis用于实现大部分官方命令,并使用官方的语法和命令 RedisStrictRedis的子类,用于向前兼容redis.py 一般情况下我们就是用StrictRedis

使用示例

# 1. 导入redis
from redis import StrictRedis

# 2. 连接数据库,指定host,端口号,数据库
r = StrictRedis(host=‘localhost’, port=6379, db=2)

# 3. 存储到redis中
r.set('test1', 'value1')  # 单个数据存储
r.set('test2', 'value2')

# 4. 从redis中获取值
r.get('test1')

# 5. 批量操作
r.mset(k1='v1', k2='v2')
r.mset({'k1':'v1', 'k2':'v2'})
r.mget('k1', 'k2')
r.mget(['k1', 'k2'])

2. Redis存储数组

Redis是不可以直接存储数组的,如果直接存储数组类型的数值,则获取后的数值类型发生变化,如下,存入numpy数组类型,获取后的类型是bytes类型。

import numpy as np
from redis import StrictRedis

r = StrictRedis(host=‘localhost’, port=6379, db=2)
x1 = np.array(([0.2,0.1,0.6],[10.2,4.2,0.9]))
r.set('test1', x1)
>>> True
r.get('test1')
>>> b'[[ 0.2  0.1  0.6]\n [10.2  4.2  0.9]]'
type(r.get('test1')) #获取后的数据类型
>>> <class 'bytes'>

为了保持数据存储前后类型一致,在存储数组之前将其序列化,获取数组的时候将其反序列化即可。

借助于python的pickle模块进行序列化操作。

import pickle
r.set('test2', pickle.dumps(x1))
>>> True
pickle.loads(r.get('test2'))
>>> array([[ 0.2,  0.1,  0.6],
         [10.2,  4.2,  0.9]])

这样,就可以保持数据存入前和取出后的类型一致。

2.4 web开发框架——Flask

之前学习python语言,从来没有关注过Web开发这一章节,因为工作内容并没有涉及这一部分。如今需要重新看一下。

早期软件主要运行在桌面上,数据库这样的软件运行在服务器端,这种Client/Server模式简称CS架构。随着互联网的兴起,CS架构不适合Web,最大原因是Web应用程序的修改和升级非常频繁,CS架构需要每个客户端逐个升级桌面App,因此,Browser/Server模式开始流行,简称BS架构

BS架构下,客户端只需要浏览器,应用程序的逻辑和数据存储在服务器端,浏览器只需要请求服务器,获取Web页面,并把Web页面展示给用户即可。当前,Web页面也具有极强的交互性。

Python的诞生历史比Web还要早,由于Python是一种解释型的脚本语言,开发效率高,所以非常适合用来做Web开发。

Python有上百个开源的Web框架,比较熟知的有Flask, Django。接下来以Flask为例,介绍如何利用Flask进行web部署。

关于web开发框架的介绍,可以参考下面这篇博文: 三个目前最火的Python Web开发框架,你值得拥有!

有关Flask的具体用法可参考其他博文,这方面的资料比较全。下面主要以具体使用示例来说明:

1. 安装使用

  1. 安装Flask

    pip install flask
    
    import flask # 导入
    flask.__version__ # 版本
    >>> '1.1.1' #当前版本
    
  2. 一个简单的Flask示例

    Flask使用Python的装饰器在内部自动的把URL和函数给关联起来。

    # hello.py
    from flask import Flask, request
    
    app = Flask(__name__) #创建Flask类的实例,第一个参数是模块或者包的名称
    app.config['JSON_AS_ASCII']=False # 支持中文显示
    
    @app.route('/', methods=['GET', 'POST']) # 使用methods参数处理不同HTTP方法
    def home():
        return 'Hello, Flask'
    
    if __name__ == '__main__':
        app.run()
    
    • 使用 route() 装饰器来告诉 Flask 触发函数的 URL;
    • 函数名称被用于生成相关联的 URL。函数最后返回需要在用户浏览器中显示的信息。

    运行该文件,会提示* Running on http://127.0.0.1:5000/,在浏览器中打开此网址,会自动调用home函数,返回Hello, Flask,则在浏览器页面上就会看到Hello, Flask字样。

    app.run的参数

    app.run(host="0.0.0.0", port="5000", debug=True, processes=2, threaded=False)
    
    • host设定为0.0.0.0,则可以让服务器被公开访问
    • port:指定端口号,默认为5000
    • debug:是否开启debug模型,如果你打开 调试模式,那么服务器会在修改应用代码之后自动重启,并且当应用出错时还会提供一个 有用的调试器。
    • processes:线程数量,默认是1
    • threadedbool类型,是否开启多线程。注:当开启多个进程时,不支持同时开启多线程。

    注意:绝对不能在生产环境中使用调试器

2. Flask响应

视图函数的返回值会自动转换为一个响应对象。如果返回值是一个字符串,那么会被 转换为一个包含作为响应体的字符串、一个 200 OK 出错代码 和一个 text/html 类型的响应对象。如果返回值是一个字典,那么会调用 jsonify() 来产生一个响应。以下是转换的规则:

  • 如果视图返回的是一个响应对象,那么就直接返回它。
  • 如果返回的是一个字符串,那么根据这个字符串和缺省参数生成一个用于返回的 响应对象。
  • 如果返回的是一个字典,那么调用 jsonify 创建一个响应对象。
  • 如果返回的是一个元组,那么元组中的项目可以提供额外的信息。元组中必须至少 包含一个项目,且项目应当由 (response, status) 、 (response, headers) 或者 (response, status, headers) 组成。 status 的值会重载状态代码, headers 是一个由额外头部值组成的列表 或字典。
  • 如果以上都不是,那么 Flask 会假定返回值是一个有效的 WSGI 应用并把它转换为一个响应对象。

JSON格式的API

JSON格式的响应是常见的,用Flask写这样的 API 是很容易上手的。如果从视图 返回一个 dict ,那么它会被转换为一个 JSON 响应

@app.route("/me")
def me_api():
    user = get_current_user()
    return {
        "username": user.username,
        "theme": user.theme,
        "image": url_for("user_image", filename=user.image),
    }

如果 dict 还不能满足需求,还需要创建其他类型的 JSON 格式响应,可以使用 jsonify() 函数。该函数会序列化任何支持的 JSON 数据类型。

@app.route("/users")
def users_api():
    users = get_all_users()
    return jsonify([user.to_json() for user in users])

3. 运行开发服务器

  1. 通过命令行使用开发服务器

    强烈推荐开发时使用 flask 命令行脚本( 命令行接口 ),因为有强大的重载功能,提供了超好的重载体验。基本用法如下:

    $ export FLASK_APP=my_application
    $ export FLASK_ENV=development
    $ flask run
    

    这样做开始了开发环境(包括交互调试器和重载器),并在 http://localhost:5000/提供服务。

    通过使用不同 run 参数可以控制服务器的单独功能。例如禁用重载器:

    $ flask run --no-reload

  2. 通过代码使用开发服务器

    另一种方法是通过 Flask.run() 方法启动应用,这样立即运行一个本地服务器,与使用 flask 脚本效果相同。

    示例:

    if __name__ == '__main__':
        app.run()
    

    通常情况下这样做不错,但是对于开发就不行了。

2.5 使用Gunicorn

当我们执行上面的app.py时,使用的flask自带的服务器,完成了web服务的启动。在生产环境中,flask自带的服务器,无法满足性能要求,我们这里采用Gunicornwsgi容器,来部署flask程序。

Gunicorn(绿色独角兽)是一个Python WSGI UNIX HTTP服务器。从Ruby的独角兽(Unicorn )项目移植。该Gunicorn服务器作为wsgi app的容器,能够与各种Web框架兼容,实现非常简单,轻量级的资源消耗。Gunicorn直接用命令启动,不需要编写配置文件,相对uWSGI要容易很多。

web开发中,部署方式大致类似。

1. 安装及使用

pip install gunicorn

如果想让Gunicorn支持异步workers的话需要安装以下三个包:

pip install gevent
pip install eventlet
pip install greenlet

指定进程和端口号,启动服务器:

gunicorn -w 4 -b 127.0.0.1:5001 运行文件名称:Flask程序实例名

以上述hello.py文件为例:

gunicorn -w 4 -b 127.0.0.1:5001 hello:app

参数: -w: 表示进程(worker)。 -b:表示绑定ip地址和端口号(bind)

查看gunicorn的具体参数,可执行gunicorn -h 通常将配置参数写入到配置文件中,如gunicorn_conf.py

重要参数:

  • bind: 监听地址和端口
  • workers: worker进程的数量。建议值:2~4 x (NUM_CORES),缺省值是1.
  • worker_class:worker进程的工作方式。有:sync (缺省值),eventlet, gevent, gthread, tornado
  • threads:工作进程中线程的数量。建议值:2~4 x (SUM_CORES),缺省值是1.
  • reload: 当代码有修改时,自动重启workers。适用于开发环境,默认为False
  • daemon:应用是否以daemon方式运行,是否以守护进程启动,默认False
  • accesslog:访问日志文件路径
  • errorlog:错误日志路径
  • loglevel: 日志级别。debug, info, warning, error, critical.

一个参数配置示例:

# gunicorn_conf.py
bind: '0.0.0.0:5000' # 监听地址和端口号
workers = 2 # 进程数
worker_class = 'sync' #工作模式,可选sync, gevent, eventlet, gthread, tornado等
threads = 1 # 指定每个进程的线程数,默认为1
worker_connections = 2000 # 最大客户并发量
timeout = 30 # 超时时间,默认30s
reload = True # 开发模式,代码更新时自动重启
daemon = False # 守护Gunicorn进程,默认False

accesslog = './logs/access.log' # 访问日志文件
errorlog = './logs/error.log'
loglevel = 'debug' # 日志输出等级,debug, info, warning, error, critical

调用命令:

gunicorn -c gunicorn_conf.py hello:app

参数配置文件示例可见: gunicorn/example_config.py at master · benoitc/gunicorn

3、代码示例

#flask_feature.app
import numpy as np
from flask import Flask, jsonify
from keras.models import Model
from keras.applications.vgg16 import VGG16
from keras.backend.tensorflow_backend import set_session

app = Flask(__name__)
app.config['JSON_AS_ASCII']=False

@app.route("/", methods=["GET", "POST"])
def feature():
    img_feature = extract()
    return jsonify({'result':'true', 'msg':'成功'})

def extract(img_name):
    # 图像预处理
    img = load_image(img_name, target_size=(feature_params["size"], feature_params["size"])) 

    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)
    
    with graph.as_default():
        set_session(sess)
        res = model.predict(x)
    
    return res
    
    
if __name__ == '__main__':
    tf_config = some_custom_config
    sess = tf.Session(config=tf_config)
    set_session(sess)
    base_model = VGG16(weights=model_weights, include_top=True)
    model = Model(inputs=base_model.input,
                    outputs=base_model.get_layer(layer).output)
    graph = tf.get_default_graph()
    
    app.run()

使用gunicorn启动服务命令:

gunicorn -c gunicorn_conf.py flask_feature:app

4、遇到的问题

在此记录整个部署工作中遇到的问题及对应解决方法。

4.1 Flask多线程与多进程问题

由于对算法的时间性能要求较高,因此尝试使用Flask自带的多线程与多进程选项测试效果。 在Flaskapp.run()函数中,上面有介绍到processes参数,用于指定开启的多进程数量,threaded参数用于指定是否开启多线程。

flask开启debug模式,启动服务时,dubug模式会开启一个tensorflow的线程,导致调用tensorflow的时候,graph产生了错位。

4.1 Flask与Keras问题

使用Flask启动服务的时候,将遇到的问题及参考的资料记录在此。

Q1:Tensor is not an element of this graph

错误信息:

"Tensor Tensor(\"pooling/Mean:0\", shape=(?, 1280), dtype=float32) is not an element of this graph.", 

描述:使用Keras中预训练模型进行图像分类特征提取的代码可以正常跑通,当通过Flask来启动服务,访问预测函数时,出现上述错误。

原因:使用了动态图,即在做预测的时候,加载的graph并不是第一次初始化模型时候的Graph,所有里面并没有模型里的参数和节点等信息。

有人给出如下解决方案:

import tensorflow as tf
global graph, model
graph = tf.get_default_graph()

#当需要进行预测的时候
with graph.as_default():
    y = model.predict(x)

Q2:使用Flask启动服务,加载两次模型,占用两份显存

出现该问题的原因是使用Flask启动服务的时候,开启了debug模式,即debug=Truedubug模式会开启一个tensorflow的线程,此时查看GPU显存占用情况,会发现有两个进程都占用相同份的显存。

关闭debug模型(debug=False)即可。

参考资料:

[1]:Keras + Flask 提供接口服务的坑~~~

4.2 gunicorn启动服务相关问题

当使用gunicorn启动服务的时候,遇到以下问题:

Q1: Failed precondition

具体问题:

2 root error(s) found.\n 
(0) Failed precondition: Error while reading resource variable block5_conv2/kernel from Container: localhost. This could mean that the variable was uninitialized. Not found: Container localhost does not exist. (Could not find resource: localhost/block5_conv2/kernel)\n\t [[{{node block5_conv2/convolution/ReadVariableOp}}]]\n\t [[fc2/Relu/_7]]\n 
(1) Failed precondition: Error while reading resource variable block5_conv2/kernel from Container: localhost. This could mean that the variable was uninitialized. Not found: Container localhost does not exist. (Could not find resource: localhost/block5_conv2/kernel)\n\t [[{{node block5_conv2/convolution/ReadVariableOp}}]]\n0 successful operations.\n0 derived errors ignored."

解决方法:

通过创建用于加载模型的会话的引用,然后在每个需要使用的请求中使用keras设置session。具体如下:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

# 在每一个request中:
global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

有网友分析原因: tensorflowgraphsession不是线程安全的,默认每个线程创建一个新的session(不包含之前已经加载的weights, models 等)。因此,通过保存包含所有模型的全局会话并将其设置为在每个线程中由keras使用,可以解决问题。

有网友提取一种改进方式:

# on thread 1
session = tf.Session(graph=tf.Graph())
with session.graph.as_default():
    k.backend.set_session(session)
    model = k.models.load_model(filepath)

# on thread 2
with session.graph.as_default():
    k.backend.set_session(session)
    model.predict(x, **kwargs)

这里的新颖性允许(一次)加载多个模型并在多个线程中使用。默认情况下,加载模型时使用“默认”Session和“默认”graph。但是在这里是创建新的。还要注意,Graph存储在Session对象中,这样更加方便。

测试了一下好像不行

Q2:无法启动服务,CRITICAL WORKER TIMEOUT

当使用gunicorn启动flask服务时,查看服务器状态和日志文件发现一直在尝试启动,但是一直没有成功。

CRITICAL WORKER TIMEOUT

这是gunicorn配置参数timeout导致的。默认值为30s,即超过30s,就会kill掉进程,然后重新启动restart

当启动服务进行初始化的时间超过timeout值时,就会一直启动,kill, restart。

可根据具体情况,适当增加该值。

参考资料:

tensorflow - GCP ML-engine FailedPreconditionError (code: 2) - Stack Overflow

5、参考资料

欢迎来到 Flask 的世界 — Flask 中文文档( 1.1.1 )

Gunicorn-配置详解

At Runtime : "Error while reading resource variable softmax/kernel from Container: localhost" · Issue #28287 · tensorflow/tensorflow

【已解决】线上环境通过gunicorn去运行Flask出错:CRITICAL WORKER TIMEOUT