ts.torch_handler package

子包

• ts.torch_handler.request_envelope package
  • 子模块
  • ts.torch_handler.request_envelope.base module
  • ts.torch_handler.request_envelope.body module
  • ts.torch_handler.request_envelope.json module
  • ts.torch_handler.request_envelope.kserve module
  • ts.torch_handler.request_envelope.kservev2 module
  • 模块内容
• ts.torch_handler.unit_tests package
  • 子包
    • ts.torch_handler.unit_tests.models package
      • 子模块
      • ts.torch_handler.unit_tests.models.base_model module
      • 模块内容
    • ts.torch_handler.unit_tests.test_utils package
      • 子模块
      • ts.torch_handler.unit_tests.test_utils.mock_context module
      • 模块内容
  • 子模块
  • ts.torch_handler.unit_tests.test_base_handler module
  • ts.torch_handler.unit_tests.test_envelopes module
  • ts.torch_handler.unit_tests.test_image_classifier module
  • ts.torch_handler.unit_tests.test_image_segmenter module
  • ts.torch_handler.unit_tests.test_mnist_kf module
  • ts.torch_handler.unit_tests.test_object_detector module
  • 模块内容

子模块

ts.torch_handler.base_handler module

用于加载 torchscript 或 eager mode [state_dict] 模型的基本默认处理器。此外，还根据 torch serve 自定义模型规范提供 handle 方法

class ts.torch_handler.base_handler.BaseHandler

基类: ABC

用于加载 torchscript 或 eager mode [state_dict] 模型的基本默认处理器。此外，还根据 torch serve 自定义模型规范提供 handle 方法

describe_handle()

自定义 describe 处理器

返回:

一个字典响应。

返回类型:

dict

explain_handle(data_preprocess, raw_data)

Captum explanations 处理器

参数:

• data_preprocess (Torch Tensor) – 用于 captum 的预处理数据

• raw_data (list) – 用于从请求中获取目标的未处理数据

返回:

带有解释响应的字典响应。

返回类型:

dict

get_device()

获取设备

返回:

self 设备

返回类型:

string

handle(data, context)

默认处理器的入口点。它接收来自输入请求的数据并返回

输入的预测结果。

参数:

• data (list) – 需要进行预测请求的输入数据。

• context (Context) – 这是一个包含与模型 artifacts 参数相关信息的 JSON 对象。

返回:

返回一个带有预测响应的字典列表。

返回类型:

list

inference(*args, **kwargs)

initialize(context)

Initialize 函数加载 model.pt 文件并初始化模型对象。

首先尝试加载 torchscript，否则加载基于 eager mode state_dict 的模型。

参数:

• context (context) – 这是一个包含信息的 JSON 对象

• 参数. (关于模型 artifacts 的) –

抛出异常:

RuntimeError – 当 model.py 缺失时抛出 Runtime 错误

postprocess(*args, **kwargs)

preprocess(*args, **kwargs)

ts.torch_handler.base_handler.setup_ort_session(model_pt_path, map_location)

ts.torch_handler.contractions module

用于文本分类模型的缩写映射。

ts.torch_handler.densenet_handler module

图像分类默认处理器模块

class ts.torch_handler.densenet_handler.DenseNetHandler

基类: object

DenseNetHandler 处理器类。此处理器接收一张图像并返回图像中对象的名称。

handle(data, context)

默认处理器的入口点

inference(data, *args, **kwargs)

重写以自定义推理 :param data: Torch tensor，匹配模型输入形状 :return: 作为 Torch tensor 的预测输出

initialize(context)

首先尝试加载 torchscript，否则加载基于 eager mode state_dict 的模型

ts.torch_handler.densenet_handler.list_classes_from_module(module, parent_class=None)

解析用户定义的模块以获取其中的所有模型服务类。

参数:

• module –

• parent_class –

返回:

模型服务类定义的列表

ts.torch_handler.image_classifier module

图像分类默认处理器模块

class ts.torch_handler.image_classifier.ImageClassifier

基类: VisionHandler

ImageClassifier 处理器类。此处理器接收一张图像并返回图像中对象的名称。

get_max_result_classes()

image_processing = Compose(     Resize(size=256, interpolation=bilinear, max_size=None, antialias=True)     CenterCrop(size=(224, 224))     ToTensor()     Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) )

postprocess(*args, **kwargs)

set_max_result_classes(topk)

topk = 5

ts.torch_handler.image_segmenter module

图像分割默认处理器模块

class ts.torch_handler.image_segmenter.ImageSegmenter

基类: VisionHandler

ImageSegmenter 处理器类。此处理器接收一批图像，并返回形状为 [N K H W] 的输出，其中 N - 批量大小，K - 类别数量，H - 高度和 W - 宽度。

image_processing = Compose(     Resize(size=256, interpolation=bilinear, max_size=None, antialias=True)     CenterCrop(size=(224, 224))     ToTensor()     Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) )

postprocess(data)

ts.torch_handler.object_detector module

对象检测默认处理器模块

class ts.torch_handler.object_detector.ObjectDetector

基类: VisionHandler

ObjectDetector 处理器类。此处理器接收一张图像，并分别返回检测到的类别列表和边界框。

image_processing = Compose(     ToTensor() )

initialize(context)

Initialize 函数加载 model.pt 文件并初始化模型对象。

首先尝试加载 torchscript，否则加载基于 eager mode state_dict 的模型。

参数:

• context (context) – 这是一个包含信息的 JSON 对象

• 参数. (关于模型 artifacts 的) –

抛出异常:

RuntimeError – 当 model.py 缺失时抛出 Runtime 错误

postprocess(data)

threshold = 0.5

ts.torch_handler.text_classifier module

文本分类默认处理器模块 不支持批量处理！

class ts.torch_handler.text_classifier.TextClassifier

基类: TextHandler, ABC

TextClassifier 处理器类。此处理器接收文本 (string) 作为输入，并根据模型词汇表返回分类文本。

get_insights(text_preprocess, _, target=0)

计算 captum insights

参数:

• text_preprocess (tensor) – 文本输入的 Tensor

• _ (str) – 输入请求中指定的原始文本数据

• target (int) – 默认为 0，用户需要为 captum explanation 指定目标。

返回:

返回一个包含单词 token 重要性的字典

返回类型:

(dict)

inference(data, *args, **kwargs)

推理请求通过此函数完成，用户需要重写 inference 函数来对其进行自定义。

参数:

data (torch tensor) –

数据为 Torch Tensor 形式，其形状应与

模型输入形状匹配。

返回:

返回模型预测的响应

在此函数中。

返回类型:

(Torch Tensor)

ngrams = 2

postprocess(data)

post process 函数将预测响应转换为

Torchserve 兼容格式

参数:

• data (Torch Tensor) – data 参数来自预测输出

• output_explain (None) – 默认为 None。

返回:

返回包含预测和解释的响应

(如果 Endpoint 被命中)。它是一个字典列表。

返回类型:

(list)

preprocess(data)

使用以下基本清理操作标准化 PyTorch 模型的输入文本

• 移除 html 标签

• 将所有文本转为小写

• 展开缩写 [例如 I’d -> I would, don’t -> do not]

• 移除带重音的字符

• 移除标点符号

使用 source_vocab 将标准化文本转换为 tensor。

参数:

data (str) – 输入数据为 string 形式

返回:

执行预处理操作后返回 Text Tensor (str): 此函数中也返回原始输入

返回类型:

(Tensor)

ts.torch_handler.text_handler module

所有基于文本的默认处理器的基本模块。包含各种基于文本的实用方法

class ts.torch_handler.text_handler.TextHandler

基类: BaseHandler, ABC

所有基于文本的默认处理器的基类。包含各种基于文本的实用方法

get_source_vocab_path(ctx)

get_word_token(input_tokens)

从文本构建单词 token

initialize(context)

加载模型并初始化必要的 artifacts

summarize_attributions(attributions)

汇总多次运行的归因结果

ts.torch_handler.vision_handler module

所有视觉处理器的基本模块

class ts.torch_handler.vision_handler.VisionHandler

基类: BaseHandler, ABC

所有视觉处理程序的基类

get_insights(tensor_data, _, target=0)

initialize(context)

Initialize 函数加载 model.pt 文件并初始化模型对象。

首先尝试加载 torchscript，否则加载基于 eager mode state_dict 的模型。

参数:

• context (context) – 这是一个包含信息的 JSON 对象

• 参数. (关于模型 artifacts 的) –

抛出异常:

RuntimeError – 当 model.py 缺失时抛出 Runtime 错误

preprocess(*args, **kwargs)

模块内容