这是一个创建于 1898 天前的主题，其中的信息可能已经有所发展或是发生改变。
在自己本地训练出一个 bert 预测模型，放在阿里云服务器上什么配置比较好？
尝试过只带 CPU 的服务器，用的 16 核 16g 计算型服务器，压测只有 4.1TPS，效果不好。是不是只能上阿里云 gpu 服务器？
但是在本地推理过程只用 CPU 压测能达到 60TPS，本地使用 6 核 32g 的 cpu 。
第 1 条附言 2020-10-27 09:01:57 +08:00
原因找到了，自己在本地也是用 gpu 运行，cpu 代码没有失效，没有用 cpu 推理，如果在阿里云部署 bert 跑出来的模型，还是建议用 gpu 的服务器，cpu 的压测最多也就几到十几 TPS 。
 | 1 Invast 2020-10-26 19:33:30 +08:00  1 12 层的感觉 M40 就可以。 |
 | 2 skyfollow OP @eternitym31 可以用 CPU 的机器吗？ |
 | 3 yzc27 2020-10-26 21:09:25 +08:00 via iPhone 现在 Colab 试试？ |
 | 4 airqj 2020-10-26 21:13:48 +08:00 via Android 1 Mobilebert 试试 |
| 5 Invast 2020-10-26 23:02:04 +08:00 1 @skyfollow 看模型大小，12 层的模型不推荐用 CPU，除非是离线系统；以我以前上线的模型来看 3 层 768-hidden size 的模型至强单核只有 18qps，延迟接近 80ms ；如果能压缩 hidden size 可以大大减少推理时间（前提句子长度不要太长，一般小于 128 ） |
 | 6 zbl430 2020-10-27 09:47:37 +08:00 distilbert 或者 转 tensorRT engine 这些云服务带 GPU 的机器应该都很贵吧，按小时收费？ |
 | 7 shm7 2020-10-27 10:11:36 +08:00 一般用公司的 gpu 机器部署。云服务的 GPU 机器我之前看过 azure 的，贵的睁不开眼。 PS: bert 用 cpu 跑基本跑不动的，楼上说的 tensorrt/openvino 等 c++库可以试试看看能不能提高 tqs |
 | 8 shikimoon 2020-10-27 10:11:59 +08:00 不做任何优化的话，2080ti 或者 t4 跑 bert 大概是每秒 15-20 条文本 |
 | 9 jimmyismagic 2020-10-27 11:25:06 +08:00 搞深度学习的学生太难了 |
Select Language