0

我编写了一个 python 服务器，它使用 OpenVino 网络对传入请求进行推理。为了加快速度，我在多个线程中接收请求，并且我想同时运行推理。似乎无论我做什么，我得到的时间都与非并发解决方案相同——这让我觉得我错过了一些东西。

我正在用 Python 编写它，使用 openvino 2019.1.144。我正在对同一个插件和网络使用多个请求，以尝试使推理同时运行。

def __init__(self, num_of_requests: int = 4):
   self._plugin = IEPlugin("CPU", plugin_dirs=None)
   model_path = './Det/'
   model_xml = os.path.join(model_path, "ssh_graph.xml")
   model_bin = os.path.join(model_path, "ssh_graph.bin")
   net = IENetwork(model=model_xml, weights=model_bin)
   self._input_blob = next(iter(net.inputs))

   # Load network to the plugin
   self._exec_net = self._plugin.load(network=net, num_requests=num_of_requests)
   del net

def _async_runner(detect, images_subset, idx):
    for img in images_subset:
        request_handle = self._exec_net.start_async(request_id=idx, inputs={self._input_blob: img})
        request_handle.wait()


def run_async(images):  # These are the images to infer
    det = Detector(num_of_requests=4)
    multiplier = int(len(images)/4)
    with ThreadPoolExecutor(4) as pool:
        futures = []
        for idx in range(0,3):
            images_subset = images[idx*multiplier:(idx+1)*multiplier-1]
            futures.append(pool.submit(_async_runner, det.detect, images_subset, idx))

当我在同步模式下运行 800 次推理时，我得到一个平均值。运行时间为 290 毫秒 当我在异步模式下运行时，平均运行时间为 280 毫秒。这些都不是实质性的改进。我究竟做错了什么？

4

2 回答 2

2

如果使用 wait()，执行线程会阻塞，直到结果可用。如果你想使用真正的异步模式，你需要 wait(0) ，它不会阻塞执行。只需在需要时启动推理并存储 request_id。然后，您可以检查结果是否可用，检查 wait(0) 的返回值是否为 0。注意不要在 IE 进行推理时使用相同的 request_id，这将导致冲突并引发例外。

但是，在您提供的代码中，您不能这样做，因为您正在创建一个线程池，每个线程将图像子集的推断执行为唯一的 request_id。事实上，这是一个并行执行，它会给你一个很好的性能，但它不是“异步”模式。

真正的异步模式应该是这样的：

while still_items_to_infer():
    get_item_to_infer()
    get_unused_request_id()
    launch_infer()
    do_someting()
    if results_available():
        get_inference_results()
        free_request_id()
        #This may be in a new thread
        process_inference_results()

这样，您在等待它们完成的同时发送连续的推理。

于 2019-07-25T08:17:57.127 回答
1

您可以参考 C:\Program Files (x86)\IntelSWTools\openvino_2019.1.144\inference_engine\samples\python_samples\object_detection_demo_ssd_async\object_detection_demo_ssd_async.py 中的示例代码或 python_samples 目录中的类似示例，以检查异步模式的处理方式。

于 2019-06-26T07:03:18.783 回答