av在线不卡不卡,熟女中文字幕精品

在前面的文章中，已經(jīng)帶著讀者創(chuàng)建好 Triton 的模型倉、安裝并執(zhí)行 Triton 推理服務(wù)器軟件，接下來就是要安裝 Triton 用戶端軟件，對服務(wù)器提出推理請求（requests），才能觸發(fā)服務(wù)器執(zhí)行推理計(jì)算的任務(wù)。

由于用戶端的功能是在向服務(wù)器提出推理需求，本身并不參與計(jì)算，因此不用考慮設(shè)備性能或者是否裝載 GPU 設(shè)備，即便是一臺(tái)最基本的 Windows 上網(wǎng)本都能使用，只要安裝合適的用戶端軟件就可以。

為了適應(yīng)更多種使用場景，Triton 用戶端支持 C++/Python/Java/GO 等通用性高的在編程語言，底層還支持 HTTP/REST 與 gRPC 通訊協(xié)議，甚至還支持 SSL/TLS 加密選項(xiàng)，以及多種在線壓縮（on-wire compression）算法，內(nèi)容是相當(dāng)豐富并且多元化，完整的內(nèi)容可以在https://github.com/triton-inference-server/client 開源倉里找到，本文只先提供 Python 用戶端的部分。

與服務(wù)器的安裝方式類似，NVIDIA 提供以下 4 種安裝方式：

1. 源代碼編譯

這種方式需要從https://github.com/triton-inference-server/client 下載源代碼，執(zhí)行步驟在https://github.com/triton-inference-server/client#build-using-cmake 環(huán)節(jié)，通常會(huì)遇到的麻煩是步驟繁瑣，并且出錯(cuò)率較高，因此并不推薦使用這個(gè)方法。

2. 可執(zhí)行文件

Triton 開發(fā)團(tuán)隊(duì)為使用者提供編譯好的可執(zhí)行文件，包括 Ubuntu 20.04、Jetpack 與 Windows 平臺(tái)，可以在 https://github.com/triton-inference-server/server/releases/上獲取，每個(gè)版本都會(huì)提供對應(yīng) NGC 容器的版本，如下圖：

然后到下面的“Assets”選擇合適的版本：

以裝載 Jetpack 5 的 Orin 為例，就下載 tritonserver2.26.0-jetpack5.0.2.tgz(1.13GB) 壓縮文件到本機(jī)上，然后解壓縮到指定目錄下就可以，例如 ${HOME}/triton 目錄，會(huì)生成、、、、、等 6 個(gè)目錄，用戶端的可執(zhí)行文件在目錄下，目前有將近 30 個(gè)終端功能。

現(xiàn)在要使用 image_client 這個(gè)最基礎(chǔ)的識(shí)別終端軟件，對 qa/images/mug.jpg（下圖）這張圖片進(jìn)行推理。

請先確認(rèn) Triton 服務(wù)器軟件已經(jīng)啟動(dòng)并且處于等待請求的狀態(tài)，現(xiàn)在請開啟另一個(gè)命令終端，輸入以下指令提交推理請求：

cd  ${HOME}/triton
./clients/bin/image_client-mdensenet_onnx-c3-sINCEPTIONqa/images/mug.jpg

這道指令使用 clients/bin/image_client 終端，請求服務(wù)器使用 densenet_onnx 推理模型，對 qa/images/mug.jpg（下圖）進(jìn)行識(shí)別。這里的參數(shù)“-c 3”是要求識(shí)別的分類最多可以到 3 項(xiàng)，指令執(zhí)行結(jié)果如下，表示正確識(shí)別圖像的 3 個(gè)可能分類：

其他終端軟件會(huì)在后面文章中說明。

3. Docker容器版用戶端

在安裝 Triton 服務(wù)器軟件一文中已經(jīng)提過，可以在 NGC 服務(wù)器上可以找到 Triton 的相關(guān)鏡像，其中 year-xy-py3-sdk 里就有提供用戶端軟件。這里同樣在 Jetson AGX Orin 上用 22.09-py3-sdk 鏡像做示范，請先執(zhí)行以下指令下載這個(gè)鏡像并進(jìn)入這個(gè)容器：

dockerpull nvcr.io/nvidia/tritonserver:22.09-py3-sdk
docker run -it --rm --net=host nvcr.io/nvidia/tritonserver:22.09-py3-sdk

進(jìn)入容器之后，執(zhí)行以下指令進(jìn)行圖像推理任務(wù)：

./install/bin/image_client-mdensenet_onnx-c3-sINCEPTION./images/mug.jpg

執(zhí)行結(jié)果應(yīng)該會(huì)看到如下截屏的內(nèi)容，表示在這里對 Triton 服務(wù)器提出的推理請求，得到正確的計(jì)算結(jié)果。

同樣的，在容器內(nèi) install/bin 目錄下也有將近 30 個(gè)編譯好的終端可執(zhí)行文件，內(nèi)容與前一項(xiàng)壓縮文件所提供的內(nèi)容是一致的，在下一篇文章中進(jìn)行說明。

4. Python 版用戶端

由于 Python 是目前在深度學(xué)習(xí)領(lǐng)域中最重要的編程語言之一，NVIDIA 為 Triton 提供可直接安裝的 Python 庫，只要執(zhí)行以下指令就能輕松安裝：

pip3  install  tritonclient[all]  attrdict  -i  https://pypi.tuna.tsinghua.edu.cn/simple

這個(gè)過程會(huì)安裝以下內(nèi)容：

http
grpc[service_pb2,service_pb2_grpc,model_config_pb2]
utils[ Linux 發(fā)行版將包括shared_memory和cuda_shared_memory]

如果您在前面下載第 2 部分的壓縮文件并且解壓縮，在該目錄之下的 clients/python 里就提供 30 多個(gè) Triton 的 Python 用戶端腳本；如果沒有下載前面的壓縮文件，現(xiàn)在可以執(zhí)行以下指令去復(fù)制 Triton 項(xiàng)目的 client 開源倉：

git clone https://github.com/triton-inference-server/client

然后在 client 開源倉下的 src/python/examples 里有 30 多個(gè) Triton 的 Python 用戶端腳本。

現(xiàn)在進(jìn)到 Python 用戶端腳本的目錄里，執(zhí)行以下指令：

python3  image_client.py  -m  inception_graphdef  -s  INCEPTION 
${HOME}/triton/server/qa/images/mug.jpg

執(zhí)行后會(huì)顯示如下的結(jié)果：

得到推理的結(jié)果為“COFEE MUG”為正確的，表示 Triton 的 Python 用戶端使用環(huán)境是正確的。

以上介紹 4 種安裝 Triton 用戶端軟件的方式，本文只使用 image_client 這個(gè)最簡單的圖像分類用戶端工具，另外還有幾個(gè)比較重要的用戶端工具，后面會(huì)有針對性的深入講解與示范。

推薦閱讀

NVIDIA Jetson Nano 2GB 系列文章（1）：開箱介紹

NVIDIA Jetson Nano 2GB 系列文章（2）：安裝系統(tǒng)

NVIDIA Jetson Nano 2GB 系列文章（3）：網(wǎng)絡(luò)設(shè)置及添加 SWAPFile 虛擬內(nèi)存

NVIDIA Jetson Nano 2GB 系列文章（4）：體驗(yàn)并行計(jì)算性能

NVIDIA Jetson Nano 2GB 系列文章（5）：體驗(yàn)視覺功能庫

NVIDIA Jetson Nano 2GB 系列文章（6）：安裝與調(diào)用攝像頭

NVIDIA Jetson Nano 2GB 系列文章（7）：通過 OpenCV 調(diào)用 CSI/USB 攝像頭

NVIDIA Jetson Nano 2GB 系列文章（8）：執(zhí)行常見機(jī)器視覺應(yīng)用

NVIDIA Jetson Nano 2GB 系列文章（9）：調(diào)節(jié) CSI 圖像質(zhì)量

NVIDIA Jetson Nano 2GB 系列文章（10）：顏色空間動(dòng)態(tài)調(diào)節(jié)技巧

NVIDIA Jetson Nano 2GB 系列文章（11）：你應(yīng)該了解的 OpenCV

NVIDIA Jetson Nano 2GB 系列文章（12）：人臉定位

NVIDIA Jetson Nano 2GB 系列文章（13）：身份識(shí)別

NVIDIA Jetson Nano 2GB 系列文章（14）：Hello AI World

NVIDIA Jetson Nano 2GB 系列文章（15）：Hello AI World 環(huán)境安裝

NVIDIA Jetson Nano 2GB 系列文章（16）：10行代碼威力

NVIDIA Jetson Nano 2GB 系列文章（17）：更換模型得到不同效果

NVIDIA Jetson Nano 2GB 系列文章（18）：Utils 的 videoSource 工具

NVIDIA Jetson Nano 2GB 系列文章（19）：Utils 的 videoOutput 工具

NVIDIA Jetson Nano 2GB 系列文章（20）：“Hello AI World” 擴(kuò)充參數(shù)解析功能

NVIDIA Jetson Nano 2GB 系列文章（21）：身份識(shí)別

NVIDIA Jetson Nano 2GB 系列文章（22）：“Hello AI World” 圖像分類代碼

NVIDIA Jetson Nano 2GB 系列文章（23）：“Hello AI World 的物件識(shí)別應(yīng)用

NVIDIAJetson Nano 2GB 系列文章（24）: “Hello AI World” 的物件識(shí)別應(yīng)用

NVIDIAJetson Nano 2GB 系列文章（25）: “Hello AI World” 圖像分類的模型訓(xùn)練

NVIDIAJetson Nano 2GB 系列文章（26）: “Hello AI World” 物件檢測的模型訓(xùn)練

NVIDIAJetson Nano 2GB 系列文章（27）: DeepStream 簡介與啟用

NVIDIAJetson Nano 2GB 系列文章（28）: DeepStream 初體驗(yàn)

NVIDIAJetson Nano 2GB 系列文章（29）: DeepStream 目標(biāo)追蹤功能

NVIDIAJetson Nano 2GB 系列文章（30）: DeepStream 攝像頭“實(shí)時(shí)性能”

NVIDIAJetson Nano 2GB 系列文章（31）: DeepStream 多模型組合檢測-1

NVIDIAJetson Nano 2GB 系列文章（32）: 架構(gòu)說明與deepstream-test范例

NVIDIAJetsonNano 2GB 系列文章（33）: DeepStream 車牌識(shí)別與私密信息遮蓋

NVIDIA Jetson Nano 2GB 系列文章（34）: DeepStream 安裝Python開發(fā)環(huán)境

NVIDIAJetson Nano 2GB 系列文章（35）: Python版test1實(shí)戰(zhàn)說明

NVIDIAJetson Nano 2GB 系列文章（36）: 加入U(xiǎn)SB輸入與RTSP輸出

NVIDIAJetson Nano 2GB 系列文章（37）: 多網(wǎng)路模型合成功能

NVIDIAJetson Nano 2GB 系列文章（38）: nvdsanalytics視頻分析插件

NVIDIAJetson Nano 2GB 系列文章（39）: 結(jié)合IoT信息傳輸

NVIDIAJetson Nano 2GB 系列文章（40）: Jetbot系統(tǒng)介紹

NVIDIAJetson Nano 2GB 系列文章（41）: 軟件環(huán)境安裝

NVIDIAJetson Nano 2GB 系列文章（42）: 無線WIFI的安裝與調(diào)試

NVIDIAJetson Nano 2GB 系列文章（43）: CSI攝像頭安裝與測試

NVIDIAJetson Nano 2GB 系列文章（44）: Jetson的40針引腳

NVIDIAJetson Nano 2GB 系列文章（45）: I2C總線與PiOLED

NVIDIAJetson Nano 2GB 系列文章（46）: 機(jī)電控制設(shè)備的安裝

NVIDIAJetson Nano 2GB 系列文章（47）: 組裝過程的注意細(xì)節(jié)

NVIDIAJetson Nano 2GB 系列文章（48）: 用鍵盤與搖桿控制行動(dòng)

NVIDIAJetson Nano 2GB 系列文章（49）: 智能避撞之現(xiàn)場演示

NVIDIAJetson Nano 2GB 系列文章（50）: 智能避障之模型訓(xùn)練

NVIDIAJetson Nano 2GB 系列文章（51）: 圖像分類法實(shí)現(xiàn)找路功能

NVIDIAJetson Nano 2GB 系列文章（52）: 圖像分類法實(shí)現(xiàn)找路功能

NVIDIAJetson Nano 2GB 系列文章（53）: 簡化模型訓(xùn)練流程的TAO工具套件

NVIDIA Jetson Nano 2GB 系列文章（54）：NGC的內(nèi)容簡介與注冊密鑰

NVIDIA Jetson Nano 2GB 系列文章（55）：安裝TAO模型訓(xùn)練工具

NVIDIA Jetson Nano 2GB 系列文章（56）：啟動(dòng)器CLI指令集與配置文件

NVIDIA Jetson Nano 2GB 系列文章（57）：視覺類腳本的環(huán)境配置與映射

NVIDIA Jetson Nano 2GB 系列文章（58）：視覺類的數(shù)據(jù)格式

NVIDIA Jetson Nano 2GB 系列文章（59）：視覺類的數(shù)據(jù)增強(qiáng)

NVIDIA Jetson Nano 2GB 系列文章（60）：圖像分類的模型訓(xùn)練與修剪

NVIDIA Jetson Nano 2GB 系列文章（61）：物件檢測的模型訓(xùn)練與優(yōu)化

NVIDIA Jetson Nano 2GB 系列文章（62）：物件檢測的模型訓(xùn)練與優(yōu)化-2

NVIDIA Jetson Nano 2GB 系列文章（63）：物件檢測的模型訓(xùn)練與優(yōu)化-3

NVIDIA Jetson Nano 2GB 系列文章（64）：將模型部署到Jetson設(shè)備

NVIDIA Jetson Nano 2GB 系列文章（65）：執(zhí)行部署的 TensorRT 加速引擎

NVIDIA Jetson 系列文章（1）：硬件開箱

NVIDIA Jetson 系列文章（2）：配置操作系統(tǒng)

NVIDIA Jetson 系列文章（3）：安裝開發(fā)環(huán)境

NVIDIA Jetson 系列文章（4）：安裝DeepStream

NVIDIA Jetson 系列文章（5）：使用Docker容器的入門技巧

NVIDIA Jetson 系列文章（6）：使用容器版DeepStream

NVIDIA Jetson 系列文章（7）：配置DS容器Python開發(fā)環(huán)境

NVIDIA Jetson 系列文章（8）：用DS容器執(zhí)行Python范例

NVIDIA Jetson 系列文章（9）：為容器接入U(xiǎn)SB攝像頭

NVIDIA Jetson 系列文章（10）：從頭創(chuàng)建Jetson的容器（1）

NVIDIA Jetson 系列文章（11）：從頭創(chuàng)建Jetson的容器（2）

NVIDIA Jetson 系列文章（12）：創(chuàng)建各種YOLO-l4t容器

NVIDIA Triton系列文章（1）：應(yīng)用概論

NVIDIA Triton系列文章（2）：功能與架構(gòu)簡介

NVIDIA Triton系列文章（3）：開發(fā)資源說明

NVIDIA Triton系列文章（4）：創(chuàng)建模型倉

NVIDIA Triton 系列文章（5）：安裝服務(wù)器軟件

原文標(biāo)題：NVIDIA Triton 系列文章（6）：安裝用戶端軟件

文章出處：【微信公眾號：NVIDIA英偉達(dá)企業(yè)解決方案】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。舉報(bào)投訴