在最近几个月中，我们已经帮助许多公司在各种环境中部署其AI / ML模型。我们为医疗行业的模型部署做出了贡献，在过去的几个月中，我们已经帮助多家公司将经过训练的模型转移到不同类型的IoT设备上。特别是在IoT设备情况下，要求通常很严格：计算周期数和可用内存通常都受到限制。
在本文中，我阐明了如何确保使用标准ML库（例如PyTorch，Scikit-learn和Tensorflow）训练的模型可以有效地部署在各种边缘设备上。为了使事情变得切实，我们将研究简单的逻辑回归模型的训练和部署。但是，我们在这里讨论的大多数内容都直接转移到更复杂的模型上。
模型训练
为了说明模型训练与部署之间的区别，让我们首先模拟一些数据。下面的代码根据以下简单模型生成1000个观测值：
importnumpyasnpnp.random.seed(66) #Setseedforreplication#SimulateDataGeneratingProcessn=1000#1000observationsx1=np.random.uniform(-2,2,n) #x_1&x_2between-2and2x2=np.random.uniform(-2,2,n) p=1/ (1+np.exp( -1*(.75+1.5*x1- .5*x2) )) #ImplementDGPy=np.random.binomial(1, p, n) #Drawoutcomes#Createdatasetandprintfirstfewlines: data=np.column_stack((x1,x2,y)) print(data[:10])
生成数据后，我们可以专注于拟合模型。我们只需使用sklearn的LogisticRegression（）函数即可：
fromsklearn.linear_modelimportLogisticRegressionmod=LogisticRegression().fit(data[:,[0,1]], np.ravel(data[:,[2]]))
仔细看看
在这一点上，梳理并简要考虑引擎盖下正在发生的事情非常有用。与许多其他有趣的ML模型一样，对逻辑回归模型进行迭代训练。为了训练模型，sklearn（或提供类似功能的任何其他软件包）将必须实现以下几个功能：
- 某种评分函数，指示模型的拟合度。这可能是误差函数或最大似然函数。
- 该函数可将拟合模型的参数从一次迭代更新到下一次迭代。
训练过程将有效地重复使用这两个功能：最初，模型的参数是随机实例化的。接下来，检查模型的分数。如果认为分数不够（通常是因为与以前的迭代相比，分数有所提高），则将更新模型参数并重复该过程。
即使对于这个简单的模型，sklearn仍需要遍历数据集。以下代码给出了迭代次数：
#Printthenumberofiterationsprint(f'The number of iterations is: {mod.n_iter_}.'
因此，要训练模型，我们需要访问数据，还有几个工具的函数，并且需要多次迭代/遍历数据集。总的来说，该训练过程对计算的要求很高，这说明了为什么对于复杂的模型，我们求助于并行计算以及GPU或NPU加速，以在合理的时间内执行。幸运的是，当训练模型时，所需的相当复杂的逻辑已被我们使用的各种ML库抽象化了。
生成预测
将其与从已经拟合的模型中生成预测进行比较（通常称为推理，但由于统计中使用的后者不同，因此我发现这个术语令人困惑，因此我坚持使用预测）。到模型拟合时，在这种情况下，我们实际上需要生成预测的全部就是逻辑回归函数（与上面示例中用于生成数据的数学函数相同）以及拟合模型的三个参数。这些很容易检索：
b=np.concatenate((mod.intercept_, mod.coef_.flatten())) print(b)
参数最终相对接近我们用于数据生成的值：[0.84576563 1.39541631 -0.47393112]。
此外，在大多数部署情况下，我们通常最终仅使用单个输入来评估模型：在这种情况下，长度为2的数字向量。如果我们要部署模型，则不需要拟合函数，不需要数据，也不需要迭代。要生成预测，我们只需要简单有效地实现所涉及的数学函数即可。
边缘设备中部署模型
“所以呢？”你可能会问。当现代模型训练工具抽象出所有这些细节时，为什么还要关心训练和预测中涉及的细节呢？好吧，因为当您希望有效地部署模型时（例如，当您需要模型在小型设备上快速运行时），您可以更好地利用设备的差异。
为了便于讨论，请对比以下两种模型部署方法（即，将经过训练的模型投入生产，以便可以使用其预测）：
将sklearn作为REST服务部署在Docker容器上：这种方法很简单并且经常使用：我们启动一个包含python和用于训练的工具的docker镜像：对于上面的示例逻辑回归模型sklearn。接下来，我们创建一个REST API服务，该服务使用拟合模型的mod.predict（）函数来生成结果。
Scailable WebAssembly部署：除了上述方法以外，还可以将拟合模型转换为WebAssembly（使用与Scailable提供的服务类似的服务），并部署.WASM二进制文件，其中仅包含在最小的WebAssembly运行时中进行预测所需的逻辑。自动生成的二进制文件将仅包含必要的逻辑函数和估计的参数。二进制文件可能部署在服务器上因此也类似地通过REST调用使用，但是，它可以兼容可用的运行时，它也几乎可以在任何边缘设备上运行。
显然，第一个部署过程接近数据科学家的“我们所知道的”。直接使用我们惯用的工具是非常方便的，并且在许多方面它都有效：我们可以使用对REST端点的调用来生成预测。第二种解决方案与我们的标准实践相距甚远，并且对于模型训练毫无用处（即，没有“WebAssembly软件包来训练模型……”）。但是，我们仍然认为应该首选：第二种设置利用了训练和预测之间的差异，从而在几个方面使模型部署更好：
内存占用：上面两个选项中的第一个选项将需要至少75Mb的容器（要使容器变小需要大量的工程设计，使容器的大小接近1Gb更为常见）。在这种情况下，存储的模型本身很小（〜2Kb），因此容器占部署内存占用的最大块（请注意，例如大型神经网络可能不正确）。相反，WebAssembly运行时可以降至64Kb以下。WebAssembly二进制本身本身大于存储的sklearn模型（〜50kb），但是现在它包含生成预测所必需的全部。因此，虽然第一个部署选项至少占用75Mb，但第二个部署选项占用不到0.1Mb。
速度:与高效的WebAssembly部署相比，消耗一个在Docker容器中运行的REST端点并不能在执行时间上取得优势，因为Docker容器启动了所有训练所需的东西。下面是一些针对不同模型的速度比较，但是，不必说，利用训练和预测之间的差异，并且仅仅将预测的基本需求投入生产，就可以通过一个数量级提高速度，从而生成这些预测。
因此，内存占用更小，执行速度更快。有几个原因;其中一个原因是，我们可能希望有效地部署模型，而不会在每次做出预测时浪费能源。但是，一个小的内存占用和快速的执行也是很吸引人的，因为这正是我们在将模型投入生产的边缘所需要的:好运部署你的Docker容器(例如，)在ESP32 MCU板上。使用WebAssembly，这是小菜一碟。
综上所述，你一定对WebAssembly十分感兴趣，那么看看这个代码吧，它包含了本文的所有内容
https://github.com/scailable/sclbl-tutorials/tree/master/sclbl-train-vs-deploy
