Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/PaddlePaddle/Serving

A flexible, high-performance carrier for machine learning models（『飞桨』服务化部署框架）
https://github.com/PaddlePaddle/Serving

dag deep-learning docker gpu micro-service microservice-toolkit online-service paddle paddle-serving pipeline prediction predictor python rpc-service serving

Last synced: 7 days ago
JSON representation

A flexible, high-performance carrier for machine learning models（『飞桨』服务化部署框架）

Host: GitHub
URL: https://github.com/PaddlePaddle/Serving
Owner: PaddlePaddle
License: apache-2.0
Created: 2019-03-31T12:36:25.000Z (over 5 years ago)
Default Branch: v0.9.0
Last Pushed: 2024-05-06T16:33:08.000Z (6 months ago)
Last Synced: 2024-10-01T01:03:36.050Z (about 1 month ago)
Topics: dag, deep-learning, docker, gpu, micro-service, microservice-toolkit, online-service, paddle, paddle-serving, pipeline, prediction, predictor, python, rpc-service, serving
Language: C++
Homepage:
Size: 156 MB
Stars: 893
Watchers: 95
Forks: 250
Open Issues: 55
Metadata Files:
- Readme: README.md
- License: LICENSE

Awesome Lists containing this project

README

        (简体中文|[English](./README.md))



    




    






    


    

        

        

        

        

        

        

        

        

        

    

    




***

**【更新说明】**

我们在新开源项目FastDeploy里面，基于Triton Inference Server，集成FastDeploy Runtime(包括Paddle Inference、ONNX Runtime、TensorRT以及OpenVINO等)，可支持飞桨模型的高性能服务化部署，对服务化部署有需求的开发者，可以参考如下文档进行使用，有任何问题，欢迎在FastDeploy开源项目里通过issue反馈。

- [FastDeploy服务化部署](https://github.com/PaddlePaddle/FastDeploy/blob/develop/serving/README_CN.md)

Paddle Serving 依托深度学习框架 PaddlePaddle 旨在帮助深度学习开发者和企业提供高性能、灵活易用的工业级在线推理服务。Paddle Serving 支持 RESTful、gRPC、bRPC 等多种协议，提供多种异构硬件和多种操作系统环境下推理解决方案，和多种经典预训练模型示例。核心特性如下：

- 集成高性能服务端推理引擎 [Paddle Inference](https://paddleinference.paddlepaddle.org.cn/product_introduction/inference_intro.html) 和端侧引擎 [Paddle Lite](https://paddlelite.paddlepaddle.org.cn/introduction/tech_highlights.html)，其他机器学习平台（Caffe/TensorFlow/ONNX/PyTorch）可通过 [x2paddle](https://github.com/PaddlePaddle/X2Paddle) 工具迁移模型

- 具有高性能 C++ Serving 和高易用 Python Pipeline 2套框架。C++ Serving 基于高性能 bRPC 网络框架打造高吞吐、低延迟的推理服务，性能领先竞品。Python Pipeline 基于 gRPC/gRPC-Gateway 网络框架和 Python 语言构建高易用、高吞吐推理服务框架。技术选型参考[技术选型](doc/Serving_Design_CN.md#21-设计选型)

- 支持 HTTP、gRPC、bRPC 等多种[协议](doc/C++_Serving/Inference_Protocols_CN.md)；提供 C++、Python、Java 语言 SDK

- 设计并实现基于有向无环图(DAG) 的异步流水线高性能推理框架，具有多模型组合、异步调度、并发推理、动态批量、多卡多流推理、请求缓存等特性

- 适配 x86(Intel) CPU、ARM CPU、Nvidia GPU、昆仑 XPU、华为昇腾310/910、海光 DCU、Nvidia Jetson 等多种硬件

- 集成 Intel MKLDNN、Nvidia TensorRT 加速库，以及低精度量化推理

- 提供一套模型安全部署解决方案，包括加密模型部署、鉴权校验、HTTPs 安全网关，并在实际项目中应用

- 支持云端部署，提供百度云智能云 kubernetes 集群部署 Paddle Serving 案例

- 提供丰富的经典模型部署示例，如 PaddleOCR、PaddleClas、PaddleDetection、PaddleSeg、PaddleNLP、PaddleRec 等套件，共计40+个预训练精品模型

- 支持大规模稀疏参数索引模型分布式部署，具有多表、多分片、多副本、本地高频 cache 等特性、可单机或云端部署

- 支持服务监控，提供基于普罗米修斯的性能数据统计及端口访问

教程与案例


- AIStudio 使用教程 : [Paddle Serving服务化部署框架](https://www.paddlepaddle.org.cn/tutorials/projectdetail/3946013)

- AIStudio OCR 实战 : [基于Paddle Serving的OCR服务化部署实战](https://aistudio.baidu.com/aistudio/projectdetail/3630726)

- 视频教程 : [深度学习服务化部署-以互联网应用为例](https://aistudio.baidu.com/aistudio/course/introduce/19084)

- 边缘 AI 解决方案 : [基于Paddle Serving&百度智能边缘BIE的边缘AI解决方案](https://mp.weixin.qq.com/s/j0EVlQXaZ7qmoz9Fv96Yrw)

- 政务问答解决方案 : [政务问答检索式 FAQ System](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/applications/question_answering/faq_system)

- 智能问答解决方案 : [保险智能问答](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/applications/question_answering/faq_finance)

- 语义索引解决方案 : [In-batch Negatives](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/applications/neural_search/recall/in_batch_negative)

论文


- 论文 : [JiZhi: A Fast and Cost-Effective Model-As-A-Service System for

Web-Scale Online Inference at Baidu](https://arxiv.org/pdf/2106.01674.pdf)

- 论文 : [ERNIE 3.0 TITAN: EXPLORING LARGER-SCALE KNOWLEDGE

ENHANCED PRE-TRAINING FOR LANGUAGE UNDERSTANDING

AND GENERATION](https://arxiv.org/pdf/2112.12731.pdf)



    



文档


> 部署

此章节引导您完成安装和部署步骤，强烈推荐使用Docker部署Paddle Serving，如您不使用docker，省略docker相关步骤。在云服务器上可以使用Kubernetes部署Paddle Serving。在异构硬件如ARM CPU、昆仑XPU上编译或使用Paddle Serving可阅读以下文档。每天编译生成develop分支的最新开发包供开发者使用。

- [使用 Docker 安装 Paddle Serving](doc/Install_CN.md)

- [Linux 原生系统安装 Paddle Serving](doc/Install_Linux_Env_CN.md)

- [源码编译安装 Paddle Serving](doc/Compile_CN.md)

- [Kuberntes集群部署 Paddle Serving](doc/Run_On_Kubernetes_CN.md)

- [部署 Paddle Serving 安全网关](doc/Serving_Auth_Docker_CN.md)

- 异构硬件部署[[ARM CPU、百度昆仑](doc/Run_On_XPU_CN.md)、[华为昇腾](doc/Run_On_NPU_CN.md)、[海光DCU](doc/Run_On_DCU_CN.md)、[Jetson](doc/Run_On_JETSON_CN.md)]

- [Docker 镜像列表](doc/Docker_Images_CN.md)

- [下载 Python Wheels](doc/Latest_Packages_CN.md)

> 使用

安装Paddle Serving后，使用快速开始将引导您运行Serving。具体步骤如下：

第一步，调用模型保存接口，生成模型参数配置文件(.prototxt)用以在客户端和服务端使用；

第二步，阅读配置和启动参数并启动服务；

第三步，根据API和您的使用场景，基于SDK编写客户端请求，并测试推理服务。您想了解跟多特性的使用场景和方法，请详细阅读以下文档。

- [快速开始](doc/Quick_Start_CN.md)

- [保存用于Paddle Serving的模型和配置](doc/Save_CN.md)

- [配置和启动参数的说明](doc/Serving_Configure_CN.md)

- [RESTful/gRPC/bRPC API指南](doc/C++_Serving/Introduction_CN.md#42-多语言多协议Client)

- [低精度推理](doc/Low_Precision_CN.md)

- [常见模型数据处理](doc/Process_data_CN.md)

- [普罗米修斯](doc/Prometheus_CN.md)

- [设置 TensorRT 动态shape](doc/TensorRT_Dynamic_Shape_CN.md)

- [C++ Serving 概述](doc/C++_Serving/Introduction_CN.md)

  - [异步框架](doc/C++_Serving/Asynchronous_Framwork_CN.md) 

  - [协议](doc/C++_Serving/Inference_Protocols_CN.md)

  - [模型热加载](doc/C++_Serving/Hot_Loading_CN.md)

  - [A/B Test](doc/C++_Serving/ABTest_CN.md)

  - [加密模型推理服务](doc/C++_Serving/Encryption_CN.md)

  - [性能优化指南](doc/C++_Serving/Performance_Tuning_CN.md)

  - [性能指标](doc/C++_Serving/Benchmark_CN.md)

  - [多模型串联](doc/C++_Serving/2+_model.md)

  - [请求缓存](doc/C++_Serving/Request_Cache_CN.md)

- [Python Pipeline 概述](doc/Python_Pipeline/Pipeline_Int_CN.md)

  - [框架设计](doc/Python_Pipeline/Pipeline_Design_CN.md)

  - [核心功能](doc/Python_Pipeline/Pipeline_Features_CN.md)

  - [性能优化](doc/Python_Pipeline/Pipeline_Optimize_CN.md)

  - [性能指标](doc/Python_Pipeline/Pipeline_Benchmark_CN.md)

- 客户端SDK

  - [Python SDK](doc/C++_Serving/Introduction_CN.md#42-多语言多协议Client)

  - [JAVA SDK](doc/Java_SDK_CN.md)

  - [C++ SDK](doc/C++_Serving/Introduction_CN.md#42-多语言多协议Client)

- [大规模稀疏参数索引服务](doc/Cube_Local_CN.md)

> 开发者

为Paddle Serving开发者，提供自定义OP，变长数据处理。

- [自定义OP](doc/C++_Serving/OP_CN.md)

- [变长数据(LoD)处理](doc/LOD_CN.md)

- [常见问答](doc/FAQ_CN.md)

模型库


Paddle Serving与Paddle模型套件紧密配合，实现大量服务化部署，包括图像分类、物体检测、语言文本识别、中文词性、情感分析、内容推荐等多种类型示例，以及Paddle全链条项目，共计46个模型。



| 图像分类与识别 | NLP | 推荐系统 | 人脸识别 | 目标检测 | 文字识别 | 图像分割 | 关键点检测 | 视频理解 |

| :----:  | :----: | :----: | :----: | :----: | :----: | :----: | :----: |  :----: | 

| 14 | 6 | 3 | 1 | 10 | 8 | 2 | 1 | 1 |



更多模型示例进入[模型库](doc/Model_Zoo_CN.md)



  

  



社区


您想要同开发者和其他用户沟通吗？欢迎加入我们，通过如下方式加入社群

### 微信

- 微信用户请扫码



  



### QQ

- 飞桨推理部署交流群(Group No.：697765514)



  



> 贡献代码

如果您想为Paddle Serving贡献代码，请参考 [Contribution Guidelines(English)](doc/Contribute_EN.md)

- 感谢 [@w5688414](https://github.com/w5688414) 提供 NLP Ernie Indexing 案例

- 感谢 [@loveululu](https://github.com/loveululu) 提供 Cube python API

- 感谢 [@EtachGu](https://github.com/EtachGu) 更新 docker 使用命令

- 感谢 [@BeyondYourself](https://github.com/BeyondYourself) 提供grpc教程，更新FAQ教程，整理文件目录。

- 感谢 [@mcl-stone](https://github.com/mcl-stone) 提供faster rcnn benchmark脚本

- 感谢 [@cg82616424](https://github.com/cg82616424) 提供unet benchmark脚本和修改部分注释错误

- 感谢 [@cuicheng01](https://github.com/cuicheng01) 提供PaddleClas的11个模型

- 感谢 [@Jiaqi Liu](https://github.com/LiuChiachi) 新增list[str]类型输入的预测支持

- 感谢 [@Bin Lu](https://github.com/Intsigstephon) 提供PP-Shitu C++模型示例

> 反馈

如有任何反馈或是bug，请在 [GitHub Issue](https://github.com/PaddlePaddle/Serving/issues)提交

> License

[Apache 2.0 License](https://github.com/PaddlePaddle/Serving/blob/develop/LICENSE)