使用Serving預測，顯存異常增長

[NatLee]

各位先進跟大佬好

我照着官方教程並使用docker部署模型，遇到一個問題，就是啓動服務放一天預測，發現顯存會異常增長

操作過程

---

我用docker-compose建立image並run一個可以使用轉換過的模型進行預測的container

FROM registry.baidubce.com/paddlepaddle/paddle:2.2.2-gpu-cuda10.2-cudnn7

RUN git clone https://github.com/PaddlePaddle/Serving
RUN bash Serving/tools/paddle_env_install.sh
RUN cd Serving && pip3 install -r python/requirements.txt

RUN pip3 install paddle-serving-client==0.8.2
RUN pip3 install paddle-serving-app==0.8.2
RUN pip3 install paddle-serving-server-gpu==0.8.2.post102

version: "3.2"
services:
  ernie_service:
    container_name: "ernie_service"
    runtime: "nvidia"
    build:
      context: .
      dockerfile: Dockerfile
    restart: always
    volumes:
        - /etc/localtime:/etc/localtime:ro
        - ./serving_server:/serving_server
    ports:
      - 9292:9292
    command: bash -c "python -m paddle_serving_server.serve --model /serving_server --port 9292 --gpu_id 0 --thread 10"

./serving_server資料夾內放的是可服務化的ERNIE-1.0情感分類模型（就是用官方教程導出的東西）

經過一段時間預測發現顯存使用量從原本的1~2 GB異常增長到7.6 GB

client.py的片段代碼如下

TOKENIZER = ErnieTokenizer.from_pretrained("checkpoints/model_100")
CLIEN_CONFIG_FILE = "./serving_client/serving_client_conf.prototxt"
PREDICT_SERVERS = ["127.0.0.1:9292"]
MAX_SEQ_LENGTH = 128

CLIENT = Client()
CLIENT.load_client_config(CLIEN_CONFIG_FILE)
CLIENT.connect(PREDICT_SERVERS)

input_ids, token_type_ids = batchify_fn(batch)
fetch_map = CLIENT.predict(
  feed={"input_ids": input_ids, "token_type_ids": token_type_ids},
  fetch=["save_infer_model/scale_0.tmp_1"],
  batch=True
)

Service端的就沒有代碼了，因爲是直接使用paddle_serving_server.serve啓動的

---

想請問是我姿勢不正確還是遇到什麼問題？

非常感謝！

[TeslaZhao]

Client端不会使用显存，显存是在Server端使用。推理过程框架会根据输入参数的batch和数据长度会额外分配一些显存用于计算和cache。建议开启 --ir_optim 会将多个OP合成Pass，或者通过编译源码设置更大的初始化显存数量

[NatLee]

感謝解說
那麼，如果打開--ir_optim 的話，是針對單一batch還是多個來源的輸入？