​使用AWS Graviton降低Amazon SageMaker推理成本

作者：Sunita Nadampalli

Amazon SageMaker（https://aws.amazon.com/sagemaker/）提供了多种机器学习（ML）基础设施和模型部署选项，以帮助满足您的ML推理需求。它是一个完全托管的服务，并与MLOps工具集成，因此您可以努力扩展模型部署，降低推理成本，在生产中更有效地管理模型，并减轻操作负担。SageMaker提供多个推理选项（https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html#deploy-model-options），因此您可以选择最适合您工作负载的选项。

新一代CPU由于内置的专用指令在ML推理方面提供了显着的性能提升。在本文中，我们重点介绍如何利用基于AWS Graviton3（https://aws.amazon.com/ec2/graviton/）的Amazon Elastic Compute Cloud（EC2）C7g实例（https://aws.amazon.com/blogs/aws/new-amazon-ec2-c7g-instances-powered-by-aws-graviton3-processors/），以帮助在Amazon SageMaker上进行实时推理（https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html）时将推理成本降低高达50％，相对于可比较的EC2实例。我们展示了如何评估推理性能并在几个步骤中将您的ML工作负载切换到AWS Graviton实例。

为了涵盖广泛的客户应用程序，本文讨论了PyTorch、TensorFlow、XGBoost和scikit-learn框架的推理性能。我们涵盖了计算机视觉（CV）、自然语言处理（NLP）、分类和排名场景，以及用于基准测试的ml.c6g、ml.c7g、ml.c5和ml.c6i SageMaker实例。

基准测试结果

AWS Graviton3基于EC2 C7g实例相对于Amazon SageMaker上的可比EC2实例，可以为PyTorch、TensorFlow、XGBoost和scikit-learn模型推理带来高达50%的成本节省，同时推理的延迟也得到了降低 。

为了进行比较，我们使用了四种不同的实例类型：

• c7g.4xlarge（https://aws.amazon.com/ec2/instance-types/c7g/）

• c6g.4xlarge（https://aws.amazon.com/ec2/instance-types/c6g/）

• c6i.4xlarge（https://aws.amazon.com/ec2/instance-types/c6i/）

• c5.4xlarge（https://aws.amazon.com/ec2/instance-types/c5/）

这四个实例都有16个vCPU和32 GiB内存。

在下面的图表中，我们测量了四种实例类型每百万推理的成本。我们进一步将每百万推理成本结果归一化为c5.4xlarge实例，该实例在图表的Y轴上测量为1。您可以看到，对于XGBoost模型，c7g.4xlarge（AWS Graviton3）的每百万推理成本约为c5.4xlarge的50%，约为c6i.4xlarge的40%；对于PyTorch NLP模型，与c5和c6i.4xlarge实例相比，成本节省约30-50%。对于其他模型和框架，与c5和c6i.4xlarge实例相比，我们测得至少30%的成本节省。

与前面的推理成本比较图类似，下图显示了相同四种实例类型的模型p90延迟。我们进一步将延迟结果标准化为c5.4xlarge实例，在图表的Y轴中测量为1。c7g.4xlarge（AWS Graviton3）模型推理延迟比在c5.4xlage和c6i.4xla格上测量的延迟高出50%。

迁移到AWS Graviton实例

要将模型部署到AWS Graviton实例，可以使用AWS深度学习容器（DLC）（https://github.com/aws/deep-learning-containers/blob/master/available_images.md#sagemaker-framework-graviton-containers-sm-support-only），也可以自带与ARMv8.2体系结构兼容的容器（https://github.com/aws/deep-learning-containers#building-your-image）。

将模型迁移（或新部署）到AWS Graviton实例很简单，因为AWS不仅为使用PyTorch、TensorFlow、scikit-learn和XGBoost托管模型提供容器，而且模型在架构上也是不可知的。您也可以带上自己的库，但请确保您的容器是用支持ARMv8.2体系结构的环境构建的。有关更多信息，请参阅构建自己的算法容器（https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html）。

您需要完成三个步骤才能部署模型：

1.创建SageMaker模型。除其他参数外，它将包含有关模型文件位置、将用于部署的容器以及推理脚本的位置的信息。（如果已经在计算优化推理实例中部署了现有模型，则可以跳过此步骤。）

2.创建端点配置。这将包含有关端点所需的实例类型的信息（例如，对于AWS Graviton3，为ml.c7g.xlarge）、在上一步中创建的模型的名称以及每个端点的实例数。

3.使用在上一步中创建的端点配置启动端点。

有关详细说明，请参阅使用Amazon SageMaker在基于AWS Graviton的实例上运行机器学习推理工作负载（https://aws.amazon.com/blogs/machine-learning/run-machine-learning-inference-workloads-on-aws-graviton-based-instances-with-amazon-sagemaker/）。

性能基准管理方法

我们使用Amazon SageMaker Inference Recommender（https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html）来自动化不同实例的性能基准测试。该服务根据不同实例的延迟和成本来比较ML模型的性能，并推荐以最低成本提供最佳性能的实例和配置。我们使用推理推荐器收集了上述性能数据。有关更多详细信息，请参阅GitHub回购。


您可以使用示例笔记本（https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-inference-recommender/huggingface-inference-recommender/huggingface-inference-recommender.ipynb）来运行基准测试并再现结果。我们使用以下模型进行基准测试：

1.PyTorch–ResNet50图像分类，DistilBERT情感分析，RoBERTa填充掩码和RoBERTa情感分析。
2.TensorFlow–TF Hub ResNet 50和ML Commons TensorFlow BERT。
3.XGBoost和scikit learn–我们测试了四个模型，以涵盖分类器、排序器和线性回归场景。


结论

相对于Amazon SageMaker上的可比EC2实例，AWS使用基于Graviton3的EC2 C7g实例测量了PyTorch，TensorFlow，XGBoost和scikit-learn模型推理高达50％的成本节省。您可以按照本文提供的步骤将现有推理用例迁移到AWS Graviton或部署新的ML模型。您还可以参考AWS Graviton技术指南（https://github.com/aws/aws-graviton-getting-started），该指南提供了优化库和最佳实践列表，可帮助您在不同工作负载上使用AWS Graviton实例实现成本效益。

如果您发现使用情况，在AWS Graviton上没有观察到类似的性能提升，请与我们联系。我们将继续添加更多性能改进，使AWS Graviton成为最具成本效益和高效的通用ML推理处理器。”