NVIDIA Triton 系列文章（6）：安裝用戶端軟件
在前面的文章中，已經帶著讀者創建好 Triton 的模型倉、安裝并執行 Triton 推理服務器軟件，接下來就是要安裝 Triton 用戶端軟件，對服務器提出推理請求（requests），才能觸發服務器執行推理計算的任務。
由于用戶端的功能是在向服務器提出推理需求，本身并不參與計算，因此不用考慮設備性能或者是否裝載 GPU 設備，即便是一臺最基本的 Windows 上網本都能使用，只要安裝合適的用戶端軟件就可以。
為了適應更多種使用場景，Triton 用戶端支持 C++/Python/Java/GO 等通用性高的在編程語言，底層還支持 HTTP/REST 與 gRPC 通訊協議，甚至還支持 SSL/TLS 加密選項，以及多種在線壓縮（on-wire compression）算法，內容是相當豐富并且多元化，完整的內容可以在https://github.com/triton-inference-server/client 開源倉里找到，本文只先提供 Python 用戶端的部分。
與服務器的安裝方式類似，NVIDIA 提供以下 4 種安裝方式：
1. 源代碼編譯
這種方式需要從https://github.com/triton-inference-server/client 下載源代碼，執行步驟在https://github.com/triton-inference-server/client#build-using-cmake 環節，通常會遇到的麻煩是步驟繁瑣，并且出錯率較高，因此并不推薦使用這個方法。
2. 可執行文件
Triton 開發團隊為使用者提供編譯好的可執行文件，包括 Ubuntu 20.04、Jetpack 與 Windows 平臺，可以在 https://github.com/triton-inference-server/server/releases/上獲取，每個版本都會提供對應 NGC 容器的版本，如下圖：
然后到下面的“Assets”選擇合適的版本：
以裝載 Jetpack 5 的 Orin 為例，就下載 tritonserver2.26.0-jetpack5.0.2.tgz(1.13GB) 壓縮文件到本機上，然后解壓縮到指定目錄下就可以，例如 ${HOME}/triton 目錄，會生成
現在要使用 image_client 這個最基礎的識別終端軟件，對 qa/images/mug.jpg（下圖）這張圖片進行推理。
請先確認 Triton 服務器軟件已經啟動并且處于等待請求的狀態，現在請開啟另一個命令終端，輸入以下指令提交推理請求：
cd ${HOME}/triton
./clients/bin/image_client-mdensenet_onnx-c3-sINCEPTIONqa/images/mug.jpg這道指令使用 clients/bin/image_client 終端，請求服務器使用 densenet_onnx 推理模型，對 qa/images/mug.jpg（下圖）進行識別。這里的參數“-c 3”是要求識別的分類最多可以到 3 項，指令執行結果如下，表示正確識別圖像的 3 個可能分類：
其他終端軟件會在后面文章中說明。
3. Docker容器版用戶端
在安裝 Triton 服務器軟件一文中已經提過，可以在 NGC 服務器上可以找到 Triton 的相關鏡像，其中 year-xy-py3-sdk 里就有提供用戶端軟件。這里同樣在 Jetson AGX Orin 上用 22.09-py3-sdk 鏡像做示范，請先執行以下指令下載這個鏡像并進入這個容器：
nvcr.io/nvidia/tritonserver:22.09-py3-sdk
docker run -it --rm --net=host nvcr.io/nvidia/tritonserver:22.09-py3-sdk進入容器之后，執行以下指令進行圖像推理任務：
./install/bin/image_client-mdensenet_onnx-c3-sINCEPTION./images/mug.jpg執行結果應該會看到如下截屏的內容，表示在這里對 Triton 服務器提出的推理請求，得到正確的計算結果。
同樣的，在容器內 install/bin 目錄下也有將近 30 個編譯好的終端可執行文件，內容與前一項壓縮文件所提供的內容是一致的，在下一篇文章中進行說明。
4. Python 版用戶端
由于 Python 是目前在深度學習領域中最重要的編程語言之一，NVIDIA 為 Triton 提供可直接安裝的 Python 庫，只要執行以下指令就能輕松安裝：
pip3 install tritonclient[all] attrdict -i https://pypi.tuna.tsinghua.edu.cn/simple這個過程會安裝以下內容：
http
grpc[service_pb2,service_pb2_grpc,model_config_pb2]
如果您在前面下載第 2 部分的壓縮文件并且解壓縮，在該目錄之下的 clients/python 里就提供 30 多個 Triton 的 Python 用戶端腳本；如果沒有下載前面的壓縮文件，現在可以執行以下指令去復制 Triton 項目的 client 開源倉：
git clone https://github.com/triton-inference-server/client然后在 client 開源倉下的 src/python/examples 里有 30 多個 Triton 的 Python 用戶端腳本。
現在進到 Python 用戶端腳本的目錄里，執行以下指令：
python3 image_client.py -m inception_graphdef -s INCEPTION
${HOME}/triton/server/qa/images/mug.jpg執行后會顯示如下的結果：
得到推理的結果為“COFEE MUG”為正確的，表示 Triton 的 Python 用戶端使用環境是正確的。
以上介紹 4 種安裝 Triton 用戶端軟件的方式，本文只使用 image_client 這個最簡單的圖像分類用戶端工具，另外還有幾個比較重要的用戶端工具，后面會有針對性的深入講解與示范。
推薦閱讀
NVIDIA Jetson Nano 2GB 系列文章（1）：開箱介紹
NVIDIA Jetson Nano 2GB 系列文章（2）：安裝系統
NVIDIA Jetson Nano 2GB 系列文章（3）：網絡設置及添加 SWAPFile 虛擬內存
NVIDIA Jetson Nano 2GB 系列文章（4）：體驗并行計算性能
NVIDIA Jetson Nano 2GB 系列文章（5）：體驗視覺功能庫
NVIDIA Jetson Nano 2GB 系列文章（6）：安裝與調用攝像頭
NVIDIA Jetson Nano 2GB 系列文章（8）：執行常見機器視覺應用
NVIDIA Jetson Nano 2GB 系列文章（9）：調節 CSI 圖像質量
NVIDIA Jetson Nano 2GB 系列文章（10）：顏色空間動態調節技巧
NVIDIA Jetson Nano 2GB 系列文章（11）：你應該了解的 OpenCV
NVIDIA Jetson Nano 2GB 系列文章（12）：人臉定位
NVIDIA Jetson Nano 2GB 系列文章（13）：身份識別
NVIDIA Jetson Nano 2GB 系列文章（14）：Hello AI World
NVIDIA Jetson Nano 2GB 系列文章（15）：Hello AI World 環境安裝
NVIDIA Jetson Nano 2GB 系列文章（16）：10行代碼威力
NVIDIA Jetson Nano 2GB 系列文章（17）：更換模型得到不同效果
NVIDIA Jetson Nano 2GB 系列文章（18）：Utils 的 videoSource 工具
NVIDIA Jetson Nano 2GB 系列文章（19）：Utils 的 videoOutput 工具
NVIDIA Jetson Nano 2GB 系列文章（20）：“Hello AI World” 擴充參數解析功能
NVIDIA Jetson Nano 2GB 系列文章（21）：身份識別
NVIDIA Jetson Nano 2GB 系列文章（22）：“Hello AI World” 圖像分類代碼
NVIDIA Jetson Nano 2GB 系列文章（23）：“Hello AI World 的物件識別應用
NVIDIAJetson Nano 2GB 系列文章（24）: “Hello AI World” 的物件識別應用
NVIDIAJetson Nano 2GB 系列文章（25）: “Hello AI World” 圖像分類的模型訓練
NVIDIAJetson Nano 2GB 系列文章（26）: “Hello AI World” 物件檢測的模型訓練
NVIDIAJetson Nano 2GB 系列文章（27）: DeepStream 簡介與啟用
NVIDIAJetson Nano 2GB 系列文章（28）: DeepStream 初體驗
NVIDIAJetson Nano 2GB 系列文章（29）: DeepStream 目標追蹤功能
NVIDIAJetson Nano 2GB 系列文章（30）: DeepStream 攝像頭“實時性能”
NVIDIAJetson Nano 2GB 系列文章（31）: DeepStream 多模型組合檢測-1
NVIDIAJetson Nano 2GB 系列文章（32）: 架構說明與deepstream-test范例
NVIDIAJetsonNano 2GB 系列文章（33）: DeepStream 車牌識別與私密信息遮蓋
NVIDIA Jetson Nano 2GB 系列文章（34）: DeepStream 安裝Python開發環境
NVIDIAJetson Nano 2GB 系列文章（35）: Python版test1實戰說明
NVIDIAJetson Nano 2GB 系列文章（36）: 加入USB輸入與RTSP輸出
NVIDIAJetson Nano 2GB 系列文章（37）: 多網路模型合成功能
NVIDIAJetson Nano 2GB 系列文章（38）: nvdsanalytics視頻分析插件
NVIDIAJetson Nano 2GB 系列文章（39）: 結合IoT信息傳輸
NVIDIAJetson Nano 2GB 系列文章（40）: Jetbot系統介紹
NVIDIAJetson Nano 2GB 系列文章（41）: 軟件環境安裝
NVIDIAJetson Nano 2GB 系列文章（42）: 無線WIFI的安裝與調試
NVIDIAJetson Nano 2GB 系列文章（43）: CSI攝像頭安裝與測試
NVIDIAJetson Nano 2GB 系列文章（44）: Jetson的40針引腳
NVIDIAJetson Nano 2GB 系列文章（46）: 機電控制設備的安裝
NVIDIAJetson Nano 2GB 系列文章（47）: 組裝過程的注意細節
NVIDIAJetson Nano 2GB 系列文章（48）: 用鍵盤與搖桿控制行動
NVIDIAJetson Nano 2GB 系列文章（49）: 智能避撞之現場演示
NVIDIAJetson Nano 2GB 系列文章（50）: 智能避障之模型訓練
NVIDIAJetson Nano 2GB 系列文章（51）: 圖像分類法實現找路功能
NVIDIAJetson Nano 2GB 系列文章（52）: 圖像分類法實現找路功能
NVIDIAJetson Nano 2GB 系列文章（53）: 簡化模型訓練流程的TAO工具套件
NVIDIA Jetson Nano 2GB 系列文章（54）：NGC的內容簡介與注冊密鑰
NVIDIA Jetson Nano 2GB 系列文章（55）：安裝TAO模型訓練工具
NVIDIA Jetson Nano 2GB 系列文章（56）：啟動器CLI指令集與配置文件
NVIDIA Jetson Nano 2GB 系列文章（57）：視覺類腳本的環境配置與映射
NVIDIA Jetson Nano 2GB 系列文章（58）：視覺類的數據格式
NVIDIA Jetson Nano 2GB 系列文章（59）：視覺類的數據增強
NVIDIA Jetson Nano 2GB 系列文章（60）：圖像分類的模型訓練與修剪
NVIDIA Jetson Nano 2GB 系列文章（61）：物件檢測的模型訓練與優化
NVIDIA Jetson Nano 2GB 系列文章（62）：物件檢測的模型訓練與優化-2
NVIDIA Jetson Nano 2GB 系列文章（63）：物件檢測的模型訓練與優化-3
NVIDIA Jetson Nano 2GB 系列文章（64）：將模型部署到Jetson設備
NVIDIA Jetson Nano 2GB 系列文章（65）：執行部署的 TensorRT 加速引擎
NVIDIA Jetson 系列文章（1）：硬件開箱
NVIDIA Jetson 系列文章（2）：配置操作系統
NVIDIA Jetson 系列文章（3）：安裝開發環境
NVIDIA Jetson 系列文章（4）：安裝DeepStream
NVIDIA Jetson 系列文章（5）：使用Docker容器的入門技巧
NVIDIA Jetson 系列文章（6）：使用容器版DeepStream
NVIDIA Jetson 系列文章（7）：配置DS容器Python開發環境
NVIDIA Jetson 系列文章（8）：用DS容器執行Python范例
NVIDIA Jetson 系列文章（9）：為容器接入USB攝像頭
NVIDIA Jetson 系列文章（10）：從頭創建Jetson的容器（1）
NVIDIA Jetson 系列文章（11）：從頭創建Jetson的容器（2）
NVIDIA Jetson 系列文章（12）：創建各種YOLO-l4t容器
NVIDIA Triton系列文章（1）：應用概論
NVIDIA Triton系列文章（2）：功能與架構簡介
NVIDIA Triton系列文章（3）：開發資源說明
NVIDIA Triton系列文章（4）：創建模型倉
NVIDIA Triton 系列文章（5）：安裝服務器軟件
原文標題：NVIDIA Triton 系列文章（6）：安裝用戶端軟件
文章出處：【微信公眾號：NVIDIA英偉達企業解決方案】歡迎添加關注！文章轉載請注明出處。
-
英偉達
+關注
關注
23文章
4086瀏覽量
99170
原文標題：NVIDIA Triton 系列文章（6）：安裝用戶端軟件
文章出處：【微信號：NVIDIA-Enterprise，微信公眾號：NVIDIA英偉達企業解決方案】歡迎添加關注！文章轉載請注明出處。
發布評論請先 登錄
借助NVIDIA CUDA Tile IR后端推進OpenAI Triton的GPU編程
全新梅賽德斯奔馳CLA車型引入NVIDIA DRIVE AV軟件
電話光端機選廣州郵科靠譜嗎？局端和用戶端到底有什么區別？能混用嗎？一文全解答！
NVIDIA宣布開源Aerial軟件
umqtt_deliver_message 用戶端注冊執行函數的回調，用戶端的消息回調函數沒有被執行到，為什么？
NVIDIA桌面GPU系列擴展新產品
使用NVIDIA Triton和TensorRT-LLM部署TTS應用的最佳實踐
Acrel-3000峰平谷用電量統計電能計量管理系統
如何在Ubuntu上安裝NVIDIA顯卡驅動?
NVIDIA Omniverse Kit 107的安裝部署步驟
工商網監
評論