BentoML và bao bì mẫu
BentoML là một khung Python mã nguồn mở đóng gói các mô hình học máy đã được đào tạo thành các đơn vị được chuẩn hóa, có thể triển khai được gọi là 'Bentos'.
Tổng quan
It bridges the gap between a model sitting in a notebook and a production service that can actually serve predictions over an API.
Lặn sâu
Khi một nhà khoa học dữ liệu hoàn thành việc đào tạo một mô hình, việc đưa nó vào sản xuất thường có nghĩa là viết mã phân phối theo cách thủ công, ghim các phần phụ thuộc, xây dựng hình ảnh Docker và thiết lập API. BentoML tự động hóa việc này. Bạn lưu một mô hình vào kho lưu trữ mô hình cục bộ của nó, sau đó xác định một lớp Dịch vụ có điểm cuối API được trang trí để xử lý suy luận. Lệnh 'bentoml build' đóng gói mô hình, mã Python, các phiên bản phụ thuộc và cấu hình thời gian chạy vào một Bento có phiên bản, độc lập. Từ đó 'bentoml containerize' tạo ra hình ảnh Docker OCI. BentoML hỗ trợ gần như mọi khung (PyTorch, TensorFlow, scikit-learn, XGBoost, Hugging Face Transformers, ONNX) và thêm tính năng phân lô vi mô thích ứng, tự động nhóm các yêu cầu đến để tối đa hóa thông lượng GPU mà không cần thay đổi mã của bạn.
Hiểu biết kỹ thuật
BentoML tách biệt 'Runners' (thực thi mô hình tính toán nặng) khỏi logic máy chủ API. Người chạy có thể mở rộng quy mô độc lập và chạy trong quy trình riêng của họ, trong khi máy chủ HTTP/gRPC nhẹ xử lý việc định tuyến yêu cầu và I/O. Tính năng phân nhóm thích ứng của nó tự động điều chỉnh kích thước lô và khoảng thời gian trễ trong thời gian chạy, do đó, nó hấp thụ các đợt bùng nổ lưu lượng truy cập và khiến các bộ tăng tốc đắt tiền luôn bận rộn. Định dạng Bento được tiêu chuẩn hóa nhúng tệp kê khai, tệp mô hình và môi trường có thể tái tạo, giúp các bản dựng có tính xác định trên các máy.
Tác động chiến lược
Chi phí và ngân sách
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
Quyết định rõ ràng hơn
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
Kiểm soát chất lượng
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
Tương lai của BentoML và Bao bì mẫu
BentoML đã tập trung mạnh vào mô hình ngôn ngữ lớn và phân phát AI tổng quát, với OpenLLM và BentoCloud cung cấp phản hồi mã thông báo phát trực tuyến, tự động mở rộng quy mô và lập lịch nhận biết GPU. Mong đợi sự tích hợp chặt chẽ hơn với các trình tối ưu hóa suy luận như vLLM và TensorRT-LLM, hỗ trợ tốt hơn cho các hệ thống AI phức hợp đa mô hình và các đường dẫn mượt mà hơn từ Bento đóng gói đến triển khai GPU không có máy chủ. Khi các nhóm chuyển từ các mô hình đơn lẻ sang các đường ống tác nhân, BentoML đang tự định vị mình là lớp đóng gói và phục vụ gắn kết các thành phần đó lại với nhau.
Triển khai trong thế giới thực
Nhóm phát hiện gian lận lưu mô hình XGBoost vào cửa hàng BentoML và xây dựng Bento hiển thị điểm cuối /dự đoán REST để dịch vụ thanh toán gọi trong thời gian thực.
Nhóm nền tảng ML sử dụng 'bentoml containerize' để biến mô hình cảm xúc Ôm mặt thành hình ảnh Docker triển khai đến cụm Kubernetes nội bộ của họ.
Một công ty khởi nghiệp phục vụ mô hình Llama được tinh chỉnh với OpenLLM (được xây dựng trên BentoML), truyền mã thông báo đến giao diện người dùng trò chuyện với tính năng phân nhóm thích ứng giúp giữ cho GPU luôn bão hòa.
Một công ty thị giác máy tính đóng gói bộ phân loại hình ảnh PyTorch với đường dẫn tiền xử lý của nó vào một Bento để các phép biến đổi chính xác được sử dụng trong quá trình đào tạo đi kèm với mô hình.
Rủi ro & lan can
Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Lộ trình thực hiện
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the BentoML and Model Packaging quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Chỉnh sửa suy đoán cho các mô hình mã
Câu hỏi thường gặp
What is BentoML and Model Packaging?
BentoML là một khung Python mã nguồn mở đóng gói các mô hình học máy đã được đào tạo thành các đơn vị được chuẩn hóa, có thể triển khai được gọi là 'Bentos'. Nó thu hẹp khoảng cách giữa một mô hình nằm trong sổ ghi chép và một dịch vụ sản xuất thực sự có thể đưa ra các dự đoán qua API.
Đơn vị được tiêu chuẩn hóa, có thể triển khai mà BentoML sản xuất là gì?
BentoML đóng gói một mô hình, mã, các phần phụ thuộc và cấu hình thời gian chạy vào một đơn vị độc lập, có phiên bản được gọi là Bento.
Việc phân lô thích ứng của BentoML chủ yếu cải thiện điều gì?
Nhóm theo khối thích ứng sẽ nhóm các yêu cầu đến trong thời gian chạy để giữ cho GPU luôn bận rộn và tối đa hóa thông lượng mà không cần thay đổi mã.
Trong kiến trúc của BentoML, điều gì xử lý việc thực thi mô hình nặng tính toán tách biệt với máy chủ API?
Người chạy đóng gói suy luận mô hình và có thể mở rộng quy mô trong quy trình công nhân của riêng họ, tách rời khỏi máy chủ API nhẹ.
Lệnh nào biến Bento được xây dựng thành hình ảnh Docker OCI?
'bentoml containerize' tạo ra hình ảnh OCI/Docker tiêu chuẩn từ Bento để triển khai.
Điều nào sau đây là lý do chính khiến BentoML nhúng các phiên bản phụ thuộc vào Bento?
Việc ghim và nhúng môi trường giúp dịch vụ đóng gói có thể tái tạo và nhất quán ở bất kỳ nơi nào nó chạy.