我观察到了使用Tensorflow模型服务器的CPU的性能问题。与原始张量流模型推理相比,它的推理时间增加了一倍。两者都是用MKL为CPU构建的。在
要复制的代码:https://github.com/BogdanRuzh/tf_model_service_benchmark
Tensorflow MKL内部版本:bazel build --config=mkl -c opt --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma --copt=-O3 //tensorflow/tools/pip_package:build_pip_package
Tensorflow server MKL内部版本:bazel build --config=mkl --config=opt --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma --copt=-O3 tensorflow_serving/model_servers:tensorflow_model_server
目标模型为简单的CNN分割模型。在
原始张量流模型在0.17s内处理图像。 Tensorflow模型服务器在0.32s内处理相同的图像
我怎样才能提高这种表现?这对我的申请非常重要。在
我想爆炸会对你有帮助。据说,如果配置不好,使用intel优化的tensorflow性能可能会比清除构建https://github.com/tensorflow/serving/issues/1272#issuecomment-477878180更差
您可以尝试配置批处理的参数(使用配置文件并启用批处理参数)https://github.com/tensorflow/serving/tree/master/tensorflow_serving/batching
并设置(内部/内部)并行度线程。在
另外,MKL有它自己的提高性能的标志https://www.tensorflow.org/guide/performance/overview#tuning_mkl_for_the_best_performance
相关问题 更多 >
编程相关推荐