推理效能最高提升至242%——腾讯云计算加速套件 TACO Kit

发布日期：2022-09-02 21:17浏览次数：

计算加速套件 TACO Kit 简介

从推荐系统、自动驾驶到聊天机器人，AI 正逐渐渗透到我们生活的每个角落。每一次我们使用这些应用的时候，应用背后都有训练好的神经网络模型在运行一个叫做“推理”的过程。无所不在的应用，意味着推理可能会被部署在云、边、端等各种可能的硬件终端上。不同硬件所带来的异质性，不可避免地给软件设计提出了巨大的挑战。开发者经常需要在不同目标设备上开发推理应用，并使用不同平台、各自独立的软件栈及依赖。

为了应对上述软件研发的挑战，腾讯发布了 TACO Kit（Tencent Accelerated Computing Optimizer），该云服务目前包含 TACO Train 及 TACO Infer，旨在帮助用户快速完成工业级的训练或推理部署，无论其 AI 相关的工程经验，也无论其模型场景、深度学习框架和后端硬件的选择。TACO Kit 为我们的用户提供了一个简练、易用、自释的接口，同时更实现了若干场景下用户的无感接入。在底层，TACO Kit 结合腾讯云服务器实现了大量精细的优化，确保用户工作负载运行在最佳状态。特别的，针对 AMD EPYC CPU 后端，为了最大限度优化推理性能，腾讯云和 AMD 发团队深度合作，无缝集成了 AMD 推理加速库“ZenDNN”作为 TACO Infer 的高性能算子实现候选。

TACO Infer架构

业务场景—— 推理业务部署软硬件依赖复杂，调优困难

和大量行业、业务接触后我们发现，云用户需要根据场景、模型、业务等因素区分不同的计算硬件，从而不可避免地带来推理部署的软件及性能调优的开发成本。由于深度学习社区的繁荣发展，模型前端框架、硬件后端设备、软件版本带来的实现路径组合爆炸成为 AI 应用落地的一大拦路虎，如果再考虑丰富的社区软件调优工具带来的复杂度，业务方需要具备较高工程调优及 AI 优化的经验才有可能让自己的算法获得成本优势。

在实际操作中，很多算法、工程的团队倾向于选择自己最熟悉的框架和硬件，久而久之形成路径依赖，随着团队的成长，也可能出现不同场景不同模型锚定不同框架的情形，导致工程部署变成一个难题，更遑论从成本和性价比的角度尝试新的硬件或软件组合。从某种程度上，这使得应用负载不太可能匹配到最合适运行它的硬件，也无法充分释放云计算的潜力。

TACO Infer 旨在帮助用户充分应对上述挑战，通过跨平台统一的优化接口赋能用户，让渴望加速计算的用户轻松驾驭腾讯云上丰富的异构算力。TACO Infer 强大的可扩展性设计也使得硬件厂商依照硬件特性开发的加速库，例如 ZenDNN、TensorRT 等，得以和 TACO 无缝集成，再辅以 TACO Infer 自研的代码生成技术，无论用户使用何种硬件加速实例，都可以为计算提供最佳性能实现。

TACO Infer 优化方式—— 无感接入，轻量部署

从易用性角度出发，TACO Infer 无需对深度学习框架（Tensorflow、Pytorch等）及软件本身做任何改动，用户可以安装社区的任何版本（适配 cpu、cuda 或 rocm），TACO Infer 支持通过插件和注册机制可以在后台开启，并无缝介入优化过程。

具体来说，TACO Infer 支持三种优化模式。

第一种，调用 TACO Infer 的 python 跨平台统一优化接口，该接口无论用户使用CPU、GPU、NPU哪种后端设备，也无论 tensorflow、pytorch 或者 onnx 哪种模型框架及版本，接口均保持一致。该接口接受未优化模型输入，输出优化后的模型。优化前后模型格式保持不变，对用户透明无感，不改变业务部署方式。

第二种（目前仅针对TF），导入 TACO python 包之后调用 enable 接口，按正常方式在 python 中 session run 运行 tensorflow 模型，即可启用优化。

第三种（目前仅针对TF），TF serving 拉起服务时，设置开启优化的环境变量，即可自动启用优化。三种方式中，第一种方式全场景优化效果最好。第二种和第三种则易用性更好。

性能提升——极致优化，性能提升最高可达 242%

上图展示了经 TACO Infer 优化后的性能提升。以最左侧为性能基线（无优化）。性能数据在腾讯云裸金属 SA2 实例上以 batchsize 为1测试得到。我们可以看到，在覆盖了各种主流场景，包括计算机视觉及自然语言处理的各种常用模型上，TACO Infer 通过各种优化技术，包括 ZenDNN 的加持，对比社区版 Tensorflow 获得了非常可观的加速。

腾讯云虚拟化副总经理陈先生评论到，“为了给我们的客户提供最佳的AI用户体验，腾讯和 AMD 紧密合作、深度优化 TACO Kit。初步的性能结果展示，TACO Kit 在 AMD EPYC 系列处理器上获得了令人印象深刻的性能提升。”