模型部署即创建推理服务。推理服务是指对每一个推理请求同步给出推理结果的在线服务，AI 计算平台为用户提供推理服务实例全生命周期管理，推理实例可在线扩容、缩容，推理实例实时监控，推理日志检索查询等功能，方便用户对各种 AI 业务进行可靠性管理。

用户可在模型广场使用已有的预置模型一键部署模型，也可上传私有模型、使用自定义推理镜像部署模型，从而以较低的资源成本获取高并发且稳定的在线模型服务。

从模型广场进行部署

前提条件

已经获取基石智算控制台账户和密码。

操作步骤

  1. 登录基石智算控制台。

  2. 在左侧导航栏，选择模型广场，进入模型广场页面。

  3. 在模型广场页面，在搜索框内输入关键字段，筛选出待使用的模型，将鼠标悬停在模型上方，点击模型部署。

    model inference create 1

  4. 在弹出的创建推理服务窗口中，配置各项参数。

    参考以下参数说明进行配置。

    • 模型名称：用户在模型广场选定的模型名称，系统自动生成。

    • 服务名称：选填项，当前推理服务的名称，由用户自定义。

    • 资源配置：必填项，针对当前模型进行在线推理所需的资源配置，用户可根据实际情况选择相应的资源类型及配置。

  5. 点击创建，进入服务信息页面，等待服务创建完成。

    model inference create 3

  6. 创建成功的服务，其状态应为运行中，可在模型部署页面进行管理，或查看相应模型推理结果。

    model inference create 4

利用私有模型进行部署

前提条件

操作步骤

  1. 登录基石智算控制台。

  2. 在左侧导航栏，选择模型部署，进入推理服务列表页面，点击 + 推理服务。

    model inference create pri 1

  3. 在弹出的创建推理服务页面中配置各项参数，点击创建即可。

    参考以下说明进行配置。

    参数 说明

    服务名称

    选填项，当前推理服务的名称，由用户自定义。

    镜像选择

    必填项，支持选择公共镜像、自定义镜像或私有镜像地址。

    • 公共镜像：平台内的基础镜像，支持 TensorFlow、Pytorch、Transformers 等。

    • 自定义镜像：用户保存至自定义镜像仓库内的镜像。

    • 镜像地址：公有或用户的私有镜像仓库地址，若设置有密码，则需勾选有密码并输入用户名和密码，获取相应镜像。

    模型配置

    需配置模型文件和挂载地址。

    • 模型文件：必选项，用户提前上传至文件存储下的模型目录，其内须包含所有模型推理所需的模型文件和模型启动代码，根据提示选择相应用户目录下的指定文件夹即可。

    • 挂载地址：选填项，模型文件挂载路径，用户自定义即可。推理服务创建过程中，系统会自动将模型文件挂载至实例的相应路径下。

    环境变量

    选填项，针对当前推理服务，用户自定义配置的环境变量，可根据实际情况添加多个。

    第三方依赖

    选填项，用于加载镜像中不包含的环境依赖，支持选择第三方列表或 requirements.txt 文件路径。

    • 第三方列表：输入格式为 numpy==1.16.4 absl-py==0.11 多个依赖需用空格隔开。

    • requirements.txt 文件路径：根据提示框选择文件所在路径即可，一般在模型文件所在路径下。

    启动命令

    选填项，根据用户上传的模型文件中启动代码所在路径，填写模型推理的启动命令即可。

    网络端口

    必填项，Pod 实例启动的网络端口。

    资源配置

    必填项，针对当前模型进行在线推理所需的资源配置，用户可根据实际情况选择相应的资源类型及配置。

  4. 等待推理服务创建完成，且状态为运行中 表示创建成功，用户即可查看相应模型推理结果。