۱. مقدمه
نمای کلی
Cloud Run اخیراً پشتیبانی از GPU را اضافه کرده است. این قابلیت به صورت پیشنمایش عمومی در لیست انتظار موجود است. اگر علاقهمند به امتحان کردن این ویژگی هستید، این فرم را پر کنید تا به لیست انتظار بپیوندید. Cloud Run یک پلتفرم کانتینر در Google Cloud است که اجرای کد شما را در یک کانتینر، بدون نیاز به مدیریت یک کلاستر، ساده میکند.
امروزه، پردازندههای گرافیکی که ما ارائه میدهیم، پردازندههای گرافیکی Nvidia L4 با ۲۴ گیگابایت حافظه مجازی هستند. به ازای هر نمونه Cloud Run یک پردازنده گرافیکی وجود دارد و مقیاسبندی خودکار Cloud Run همچنان اعمال میشود. این شامل مقیاسبندی تا ۵ نمونه (با امکان افزایش سهمیه) و همچنین کاهش مقیاس به صفر نمونه در صورت عدم درخواست میشود.
در این آزمایشگاه کد، شما یک برنامه TorchServe ایجاد و مستقر خواهید کرد که از stable diffusion XL برای تولید تصاویر از یک اعلان متن استفاده میکند. تصویر تولید شده به عنوان یک رشته کدگذاری شده base64 به فراخواننده بازگردانده میشود.
این مثال بر اساس مدل انتشار پایدار در حال اجرا با استفاده از پخشکنندههای Huggingface در Torchserve است. این آزمایشگاه کد به شما نشان میدهد که چگونه این مثال را برای کار با Cloud Run اصلاح کنید.
آنچه یاد خواهید گرفت
- نحوه اجرای مدل Stable Diffusion XL در Cloud Run با استفاده از GPUها
۲. فعال کردن APIها و تنظیم متغیرهای محیطی
قبل از اینکه بتوانید از این codelab استفاده کنید، باید چندین API را فعال کنید. این codelab به استفاده از APIهای زیر نیاز دارد. میتوانید با اجرای دستور زیر این APIها را فعال کنید:
gcloud services enable run.googleapis.com \
storage.googleapis.com \
cloudbuild.googleapis.com
سپس میتوانید متغیرهای محیطی را که در سراسر این آزمایشگاه کد استفاده خواهند شد، تنظیم کنید.
PROJECT_ID=<YOUR_PROJECT_ID> REPOSITORY=<YOUR_REPOSITORY_ID> NETWORK_NAME=default REGION=us-central1 IMAGE=us-central1-docker.pkg.dev/$PROJECT_ID/$REPOSITORY/gpu-torchserve
مقداری که برای REPOSITORY تعیین میکنید، مربوط به مخزن Artifact Registry است که در آن ایمیج ساخته شده شما ذخیره خواهد شد. میتوانید از یک مخزن موجود استفاده کنید یا یک مخزن جدید ایجاد کنید:
gcloud artifacts repositories create $REPOSITORY \
--location=us-central1 \
--repository-format=docker
۳. اپلیکیشن Torchserve را ایجاد کنید
ابتدا، یک دایرکتوری برای کد منبع ایجاد کنید و با دستور cd به آن دایرکتوری بروید.
mkdir stable-diffusion-codelab && cd $_
یک فایل config.properties ایجاد کنید. این فایل پیکربندی TorchServe است.
inference_address=http://0.0.0.0:8080 enable_envvars_config=true min_workers=1 max_workers=1 default_workers_per_model=1 default_response_timeout=1000 load_models=all max_response_size=655350000 # to enable authorization, see https://github.com/pytorch/serve/blob/master/docs/token_authorization_api.md#how-to-set-and-disable-token-authorization disable_token_authorization=true
توجه داشته باشید که در این مثال، آدرس شنود http://0.0.0.0 برای کار روی Cloud Run استفاده میشود. پورت پیشفرض برای Cloud Run پورت ۸۰۸۰ است.
یک فایل requirements.txt ایجاد کنید.
python-dotenv accelerate transformers diffusers numpy google-cloud-storage nvgpu
فایلی با نام stable_diffusion_handler.py ایجاد کنید.
from abc import ABC
import base64
import datetime
import io
import logging
import os
from diffusers import StableDiffusionXLImg2ImgPipeline
from diffusers import StableDiffusionXLPipeline
from google.cloud import storage
import numpy as np
from PIL import Image
import torch
from ts.torch_handler.base_handler import BaseHandler
logger = logging.getLogger(__name__)
def image_to_base64(image: Image.Image) -> str:
"""Convert a PIL image to a base64 string."""
buffer = io.BytesIO()
image.save(buffer, format="JPEG")
image_str = base64.b64encode(buffer.getvalue()).decode("utf-8")
return image_str
class DiffusersHandler(BaseHandler, ABC):
"""Diffusers handler class for text to image generation."""
def __init__(self):
self.initialized = False
def initialize(self, ctx):
"""In this initialize function, the Stable Diffusion model is loaded and
initialized here.
Args:
ctx (context): It is a JSON Object containing information pertaining to
the model artifacts parameters.
"""
logger.info("Initialize DiffusersHandler")
self.manifest = ctx.manifest
properties = ctx.system_properties
model_dir = properties.get("model_dir")
model_name = os.environ["MODEL_NAME"]
model_refiner = os.environ["MODEL_REFINER"]
self.bucket = None
logger.info(
"GPU device count: %s",
torch.cuda.device_count(),
)
logger.info(
"select the GPU device, cuda is available: %s",
torch.cuda.is_available(),
)
self.device = torch.device(
"cuda:" + str(properties.get("gpu_id"))
if torch.cuda.is_available() and properties.get("gpu_id") is not None
else "cpu"
)
logger.info("Device used: %s", self.device)
# open the pipeline to the inferenece model
# this is generating the image
logger.info("Downloading model %s", model_name)
self.pipeline = StableDiffusionXLPipeline.from_pretrained(
model_name,
variant="fp16",
torch_dtype=torch.float16,
use_safetensors=True,
).to(self.device)
logger.info("done downloading model %s", model_name)
# open the pipeline to the refiner
# refiner is used to remove artifacts from the image
logger.info("Downloading refiner %s", model_refiner)
self.refiner = StableDiffusionXLImg2ImgPipeline.from_pretrained(
model_refiner,
variant="fp16",
torch_dtype=torch.float16,
use_safetensors=True,
).to(self.device)
logger.info("done downloading refiner %s", model_refiner)
self.n_steps = 40
self.high_noise_frac = 0.8
self.initialized = True
# Commonly used basic negative prompts.
logger.info("using negative_prompt")
self.negative_prompt = ("worst quality, normal quality, low quality, low res, blurry")
# this handles the user request
def preprocess(self, requests):
"""Basic text preprocessing, of the user's prompt.
Args:
requests (str): The Input data in the form of text is passed on to the
preprocess function.
Returns:
list : The preprocess function returns a list of prompts.
"""
logger.info("Process request started")
inputs = []
for _, data in enumerate(requests):
input_text = data.get("data")
if input_text is None:
input_text = data.get("body")
if isinstance(input_text, (bytes, bytearray)):
input_text = input_text.decode("utf-8")
logger.info("Received text: '%s'", input_text)
inputs.append(input_text)
return inputs
def inference(self, inputs):
"""Generates the image relevant to the received text.
Args:
input_batch (list): List of Text from the pre-process function is passed
here
Returns:
list : It returns a list of the generate images for the input text
"""
logger.info("Inference request started")
# Handling inference for sequence_classification.
image = self.pipeline(
prompt=inputs,
negative_prompt=self.negative_prompt,
num_inference_steps=self.n_steps,
denoising_end=self.high_noise_frac,
output_type="latent",
).images
logger.info("Done model")
image = self.refiner(
prompt=inputs,
negative_prompt=self.negative_prompt,
num_inference_steps=self.n_steps,
denoising_start=self.high_noise_frac,
image=image,
).images
logger.info("Done refiner")
return image
def postprocess(self, inference_output):
"""Post Process Function converts the generated image into Torchserve readable format.
Args:
inference_output (list): It contains the generated image of the input
text.
Returns:
(list): Returns a list of the images.
"""
logger.info("Post process request started")
images = []
response_size = 0
for image in inference_output:
# Save image to GCS
if self.bucket:
image.save("temp.jpg")
# Create a blob object
blob = self.bucket.blob(
datetime.datetime.now().strftime("%Y%m%d_%H%M%S") + ".jpg"
)
# Upload the file
blob.upload_from_filename("temp.jpg")
# to see the image, encode to base64
encoded = image_to_base64(image)
response_size += len(encoded)
images.append(encoded)
logger.info("Images %d, response size: %d", len(images), response_size)
return images
فایلی به نام start.sh ایجاد کنید. این فایل به عنوان نقطه ورود در کانتینر برای شروع TorchServe استفاده میشود.
#!/bin/bash
echo "starting the server"
# start the server. By default torchserve runs in backaround, and start.sh will immediately terminate when done
# so use --foreground to keep torchserve running in foreground while start.sh is running in a container
torchserve --start --ts-config config.properties --models "stable_diffusion=${MAR_FILE_NAME}.mar" --model-store ${MAR_STORE_PATH} --foreground
و سپس دستور زیر را اجرا کنید تا به یک فایل اجرایی تبدیل شود.
chmod 755 start.sh
یک dockerfile ایجاد کنید.
# pick a version of torchserve to avoid any future breaking changes
# docker pull pytorch/torchserve:0.11.1-cpp-dev-gpu
FROM pytorch/torchserve:0.11.1-cpp-dev-gpu AS base
USER root
WORKDIR /home/model-server
COPY requirements.txt ./
RUN pip install --upgrade -r ./requirements.txt
# Stage 1 build the serving container.
FROM base AS serve-gcs
ENV MODEL_NAME='stabilityai/stable-diffusion-xl-base-1.0'
ENV MODEL_REFINER='stabilityai/stable-diffusion-xl-refiner-1.0'
ENV MAR_STORE_PATH='/home/model-server/model-store'
ENV MAR_FILE_NAME='model'
RUN mkdir -p $MAR_STORE_PATH
COPY config.properties ./
COPY stable_diffusion_handler.py ./
COPY start.sh ./
# creates the mar file used by torchserve
RUN torch-model-archiver --force --model-name ${MAR_FILE_NAME} --version 1.0 --handler stable_diffusion_handler.py -r requirements.txt --export-path ${MAR_STORE_PATH}
# entrypoint
CMD ["./start.sh"]
۴. راهاندازی NAT ابری
Cloud NAT به شما امکان میدهد پهنای باند بالاتری برای دسترسی به اینترنت و دانلود مدل از HuggingFace داشته باشید که به طور قابل توجهی زمان استقرار شما را سرعت میبخشد.
برای استفاده از Cloud NAT، دستور زیر را اجرا کنید تا یک نمونه Cloud NAT فعال شود:
gcloud compute routers create nat-router --network $NETWORK_NAME --region us-central1 gcloud compute routers nats create vm-nat --router=nat-router --region=us-central1 --auto-allocate-nat-external-ips --nat-all-subnet-ip-ranges
۵. سرویس Cloud Run را بسازید و مستقر کنید
کد خود را به Cloud Build ارسال کنید.
gcloud builds submit --tag $IMAGE
در مرحله بعد، به Cloud Run مستقر شوید
gcloud beta run deploy gpu-torchserve \ --image=$IMAGE \ --cpu=8 --memory=32Gi \ --gpu=1 --no-cpu-throttling --gpu-type=nvidia-l4 \ --allow-unauthenticated \ --region us-central1 \ --project $PROJECT_ID \ --execution-environment=gen2 \ --max-instances 1 \ --network $NETWORK_NAME \ --vpc-egress all-traffic
۶. سرویس را آزمایش کنید
شما میتوانید با اجرای دستورات زیر، سرویس را آزمایش کنید:
PROMPT_TEXT="a cat sitting in a magnolia tree" SERVICE_URL=$(gcloud run services describe gpu-torchserve --region $REGION --format 'value(status.url)') time curl $SERVICE_URL/predictions/stable_diffusion -d "data=$PROMPT_TEXT" | base64 --decode > image.jpg
اگر Cloud Run طوری پیکربندی شده است که نیاز به احراز هویت داشته باشد، حتماً هدرهای احراز هویت را به دستور curl اضافه کنید.
خواهید دید که فایل image.jpg در دایرکتوری فعلی شما ظاهر میشود. میتوانید تصویر را در ویرایشگر Cloud Shell باز کنید تا تصویر گربهای را که روی درخت نشسته است، ببینید.
۷. تبریک میگویم!
تبریک میگویم که آزمایشگاه کد را تمام کردید!
توصیه میکنیم مستندات مربوط به GPUهای Cloud Run را بررسی کنید.
آنچه ما پوشش دادهایم
- نحوه اجرای مدل Stable Diffusion XL در Cloud Run با استفاده از GPUها
۸. تمیز کردن
برای جلوگیری از هزینههای ناخواسته، (برای مثال، اگر این کار Cloud Run سهواً بیشتر از تخصیص فراخوانی ماهانه Cloud Run شما در سطح رایگان فراخوانی شود)، میتوانید کار Cloud Run یا پروژهای را که در مرحله 2 ایجاد کردهاید، حذف کنید.
برای حذف کار Cloud Run، به کنسول Cloud Run در آدرس https://console.cloud.google.com/run/ بروید و سرویس gpu-torchserve را حذف کنید.
همچنین باید پیکربندی Cloud NAT خود را حذف کنید .
اگر تصمیم به حذف کل پروژه دارید، میتوانید به آدرس https://console.cloud.google.com/cloud-resource-manager بروید، پروژهای را که در مرحله ۲ ایجاد کردهاید انتخاب کنید و گزینه Delete را انتخاب کنید. اگر پروژه را حذف کنید، باید پروژهها را در Cloud SDK خود تغییر دهید. میتوانید با اجرای gcloud projects list لیست تمام پروژههای موجود را مشاهده کنید.