Skip to content

Latest commit

 

History

History
61 lines (45 loc) · 2.26 KB

README.md

File metadata and controls

61 lines (45 loc) · 2.26 KB
Raw

BERT模型inference demo

数据预处理

实际应用场景中，模型部署之后用户还需要编写对应的程序对输入进行处理，然后把得到的数据传给模型进行预测。这里为了演示的需要，用 gen_demo_data.py 来进行数据处理，包括 tokenization，batching，numericalization，并且把处理后的数据输出为文本文件。使用方法如下：

TASK_NAME="xnli"
DATA_PATH=/path/to/xnli/data/
BERT_BASE_PATH=/path/to/bert/pretrained/model/
python gen_demo_data.py \
    --task_name ${TASK_NAME} \
    --data_path ${DATA_PATH} \
    --vocab_path "${BERT_BASE_PATH}/vocab.txt" \
    --batch_size 4096 \
    --in_tokens \
    > data.txt

生成的数据格式

生成的数据一行代表一个 batch, 包含五个字段

src_id, pos_id, segment_id, self_attention_bias, next_segment_index

字段之间按照分号(;)分隔，其中各字段内部 shape 和 data 按照冒号(:)分隔，shape 和 data 内部按空格分隔，self_attention_bias 为 FLOAT32 类型，其余字段为 INT64 类型。

编译和运行

为了编译 inference demo，C++ 编译器需要支持 C++11 标准。

首先下载对应的 PaddlePaddle预测库 , 根据使用的 paddle 的版本和配置状况 (是否使用 avx, mkl, 以及 cuda, cudnn 版本) 选择下载对应的版本，并解压至 inference 目录，会得到 fluid_inference 子目录。

假设paddle_infer_lib_path是刚才解压得到的fluid_inference子目录的绝对路径，设置运行相关的环境变量(以 cpu_avx_mkl 版本为例)

LD_LIBRARY_PATH=${paddle_infer_lib_path}/paddle/lib/:$LD_LIBRARY_PATH
LD_LIBRARY_PATH=${paddle_infer_lib_path}/third_party/install/mklml/lib:$LD_LIBRARY_PATH
LD_LIBRARY_PATH=${paddle_infer_lib_path}/third_party/install/mkldnn/lib:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH

编译 demo

mkdir build && cd build
cmake .. -DFLUID_INFER_LIB=${paddle_infer_lib_path}
make

这会在 build 目录下生成运行 inference 可执行文件。

运行 demo

./inference --logtostderr \
    --model_dir $MODEL_PATH \
    --data $DATA_PATH \
    --repeat $REPEAT_NUM