作者：Sunita Nadampalli

Amazon SageMaker（https://aws.amazon.com/sagemaker/）提供了多種機(jī)器學(xué)習(xí)（ML）基礎(chǔ)設(shè)施和模型部署選項(xiàng)，以幫助滿足您的ML推理需求。它是一個(gè)完全托管的服務(wù)，并與MLOps工具集成，因此您可以努力擴(kuò)展模型部署，降低推理成本，在生產(chǎn)中更有效地管理模型，并減輕操作負(fù)擔(dān)。SageMaker提供多個(gè)推理選項(xiàng)（https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html#deploy-model-options），因此您可以選擇最適合您工作負(fù)載的選項(xiàng)。

新一代CPU由于內(nèi)置的專用指令在ML推理方面提供了顯著的性能提升。在本文中，我們重點(diǎn)介紹如何利用基于AWS Graviton3（https://aws.amazon.com/ec2/graviton/）的Amazon Elastic Compute Cloud（EC2）C7g實(shí)例（https://aws.amazon.com/blogs/aws/new-amazon-ec2-c7g-instances-powered-by-aws-graviton3-processors/），以幫助在Amazon SageMaker上進(jìn)行實(shí)時(shí)推理（https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html）時(shí)將推理成本降低高達(dá)50％，相對于可比較的EC2實(shí)例。我們展示了如何評估推理性能并在幾個(gè)步驟中將您的ML工作負(fù)載切換到AWS Graviton實(shí)例。

為了涵蓋廣泛的客戶應(yīng)用程序，本文討論了PyTorch、TensorFlow、XGBoost和scikit-learn框架的推理性能。我們涵蓋了計(jì)算機(jī)視覺（CV）、自然語言處理（NLP）、分類和排名場景，以及用于基準(zhǔn)測試的ml.c6g、ml.c7g、ml.c5和ml.c6i SageMaker實(shí)例。

基準(zhǔn)測試結(jié)果

AWS Graviton3基于EC2 C7g實(shí)例相對于Amazon SageMaker上的可比EC2實(shí)例，可以為PyTorch、TensorFlow、XGBoost和scikit-learn模型推理帶來高達(dá)50%的成本節(jié)省，同時(shí)推理的延遲也得到了降低 。

為了進(jìn)行比較，我們使用了四種不同的實(shí)例類型：

? c7g.4xlarge（https://aws.amazon.com/ec2/instance-types/c7g/）

? c6g.4xlarge（https://aws.amazon.com/ec2/instance-types/c6g/）

? c6i.4xlarge（https://aws.amazon.com/ec2/instance-types/c6i/）

? c5.4xlarge（https://aws.amazon.com/ec2/instance-types/c5/）

這四個(gè)實(shí)例都有16個(gè)vCPU和32 GiB內(nèi)存。

在下面的圖表中，我們測量了四種實(shí)例類型每百萬推理的成本。我們進(jìn)一步將每百萬推理成本結(jié)果歸一化為c5.4xlarge實(shí)例，該實(shí)例在圖表的Y軸上測量為1。您可以看到，對于XGBoost模型，c7g.4xlarge（AWS Graviton3）的每百萬推理成本約為c5.4xlarge的50%，約為c6i.4xlarge的40%；對于PyTorch NLP模型，與c5和c6i.4xlarge實(shí)例相比，成本節(jié)省約30-50%。對于其他模型和框架，與c5和c6i.4xlarge實(shí)例相比，我們測得至少30%的成本節(jié)省。

與前面的推理成本比較圖類似，下圖顯示了相同四種實(shí)例類型的模型p90延遲。我們進(jìn)一步將延遲結(jié)果標(biāo)準(zhǔn)化為c5.4xlarge實(shí)例，在圖表的Y軸中測量為1。c7g.4xlarge（AWS Graviton3）模型推理延遲比在c5.4xlage和c6i.4xla格上測量的延遲高出50%。

遷移到AWS Graviton實(shí)例

要將模型部署到AWS Graviton實(shí)例，可以使用AWS深度學(xué)習(xí)容器（DLC）（https://github.com/aws/deep-learning-containers/blob/master/available_images.md#sagemaker-framework-graviton-containers-sm-support-only），也可以自帶與ARMv8.2體系結(jié)構(gòu)兼容的容器（https://github.com/aws/deep-learning-containers#building-your-image）。

將模型遷移（或新部署）到AWS Graviton實(shí)例很簡單，因?yàn)锳WS不僅為使用PyTorch、TensorFlow、scikit-learn和XGBoost托管模型提供容器，而且模型在架構(gòu)上也是不可知的。您也可以帶上自己的庫，但請確保您的容器是用支持ARMv8.2體系結(jié)構(gòu)的環(huán)境構(gòu)建的。有關(guān)更多信息，請參閱構(gòu)建自己的算法容器（https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html）。

您需要完成三個(gè)步驟才能部署模型：

1.創(chuàng)建SageMaker模型。除其他參數(shù)外，它將包含有關(guān)模型文件位置、將用于部署的容器以及推理腳本的位置的信息。（如果已經(jīng)在計(jì)算優(yōu)化推理實(shí)例中部署了現(xiàn)有模型，則可以跳過此步驟。）

2.創(chuàng)建端點(diǎn)配置。這將包含有關(guān)端點(diǎn)所需的實(shí)例類型的信息（例如，對于AWS Graviton3，為ml.c7g.xlarge）、在上一步中創(chuàng)建的模型的名稱以及每個(gè)端點(diǎn)的實(shí)例數(shù)。

3.使用在上一步中創(chuàng)建的端點(diǎn)配置啟動(dòng)端點(diǎn)。

有關(guān)詳細(xì)說明，請參閱使用Amazon SageMaker在基于AWS Graviton的實(shí)例上運(yùn)行機(jī)器學(xué)習(xí)推理工作負(fù)載（https://aws.amazon.com/blogs/machine-learning/run-machine-learning-inference-workloads-on-aws-graviton-based-instances-with-amazon-sagemaker/）。

性能基準(zhǔn)管理方法

我們使用Amazon SageMaker Inference Recommender（https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html）來自動(dòng)化不同實(shí)例的性能基準(zhǔn)測試。該服務(wù)根據(jù)不同實(shí)例的延遲和成本來比較ML模型的性能，并推薦以最低成本提供最佳性能的實(shí)例和配置。我們使用推理推薦器收集了上述性能數(shù)據(jù)。有關(guān)更多詳細(xì)信息，請參閱GitHub回購。


您可以使用示例筆記本（https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-inference-recommender/huggingface-inference-recommender/huggingface-inference-recommender.ipynb）來運(yùn)行基準(zhǔn)測試并再現(xiàn)結(jié)果。我們使用以下模型進(jìn)行基準(zhǔn)測試：

1.PyTorch–ResNet50圖像分類，DistilBERT情感分析，RoBERTa填充掩碼和RoBERTa情感分析。
2.TensorFlow–TF Hub ResNet 50和ML Commons TensorFlow BERT。
3.XGBoost和scikit learn–我們測試了四個(gè)模型，以涵蓋分類器、排序器和線性回歸場景。


結(jié)論

相對于Amazon SageMaker上的可比EC2實(shí)例，AWS使用基于Graviton3的EC2 C7g實(shí)例測量了PyTorch，TensorFlow，XGBoost和scikit-learn模型推理高達(dá)50％的成本節(jié)省。您可以按照本文提供的步驟將現(xiàn)有推理用例遷移到AWS Graviton或部署新的ML模型。您還可以參考AWS Graviton技術(shù)指南（https://github.com/aws/aws-graviton-getting-started），該指南提供了優(yōu)化庫和最佳實(shí)踐列表，可幫助您在不同工作負(fù)載上使用AWS Graviton實(shí)例實(shí)現(xiàn)成本效益。

如果您發(fā)現(xiàn)使用情況，在AWS Graviton上沒有觀察到類似的性能提升，請與我們聯(lián)系。我們將繼續(xù)添加更多性能改進(jìn)，使AWS Graviton成為最具成本效益和高效的通用ML推理處理器。”