multi-model-server

项目介绍：Multi Model Server

项目概述

Multi Model Server（MMS）是一个灵活且易于使用的工具，专门用于服务任何机器学习或深度学习框架训练的模型。用户可以通过MMS服务器命令行界面（CLI）或预配置的Docker镜像，轻松启动服务，设置HTTP终端来处理模型预测请求。

快速开始

基本要求

在进行项目之前，请确保具备以下环境和工具：

• 操作系统：Ubuntu、CentOS或macOS（Windows支持目前为试验阶段）
• Python：MMS需要Python来运行工作程序
• Pip：Python包管理系统
• Java 8：需要安装Java 8来启动MMS，安装命令因系统而异：
  • Ubuntu: sudo apt-get install openjdk-8-jre-headless
  • CentOS: sudo yum install java-1.8.0-openjdk
  • macOS: brew install adoptopenjdk8

使用Pip安装MMS

1. 设置虚拟环境

   • 安装 Virtualenv: pip install virtualenv
   • 创建虚拟环境并激活：

     virtualenv -p /usr/local/bin/python2.7 /tmp/pyenv2
     source /tmp/pyenv2/bin/activate

2. 安装MXNet引擎

   • 如进行CPU推理，建议安装 mxnet-mkl：

     pip install mxnet-mkl

   • 如进行GPU推理，建议安装 mxnet-cu92mkl：

     pip install mxnet-cu92mkl

3. 安装或升级MMS

   • 使用以下命令安装MMS的最新版本：

     pip install multi-model-server

提供模型服务

安装结束后，可以快速启动MMS服务器。通过命令行查看所有可用的命令行选项：

multi-model-server --help

以下是服务对象分类模型的简单示例：

multi-model-server --start --models squeezenet=https://s3.amazonaws.com/model-server/model_archive_1.0/squeezenet_v1.1.mar

执行上述命令后，MMS将在主机上启动，监听预测请求。通过curl命令，用户可以测试模型预测功能。

推荐的生产环境部署

• 用户需配置自己的认证代理，MMS不提供认证功能。
• 建议将MMS部署在防火墙后，以防止DDoS攻击。
• 出于安全考虑，建议在Docker容器中运行MMS，该项目提供了可用于生产部署的Docker镜像。

其他功能

项目文档提供了完整的教程和示例，包括如何自定义API服务、详细的API端点信息等等。

外部演示

MMS还在多个深度学习应用中提供演示，包括产品点评分类、视觉搜索、人脸情感识别、以及神经风格转换等。

贡献

欢迎所有的贡献，包括报告漏洞及功能请求。用户可以在GitHub上提交问题或拉取请求来参与此项目的发展。