Bert Service

简介

为什么使用Bert Service

开发者在进行NLP（自然语言处理）的时候常常需要获取文本的embedding（词向量），需要专门编写相应代码，且只能在本地进行。使用Bert Service能够将此过程转化为远程调用API，完成远程获取embedding。

什么是Bert Service

Bert Service是基于Paddle Serving框架的快速部署模型远程计算服务方案，可将获取embedding的过程通过调用API接口的方式实现，减少了对机器资源的依赖。使用PaddleHub可在服务器上一键部署Bert Service服务，在另外的普通机器上通过客户端接口即可轻松的获取文本对应的embedding数据。

整体流程图如下：

Bert Service的特点

使用Bert Service能够帮助开发者在限制性较强的环境中有效获取embedding，常用于以下情景：

• 算力有限的集群环境中，可利用一台或几台高性能机器部署Bert Service服务端，为全部机器提供在线embedding功能。

• 实际的生产服务器不适宜承担大批量embedding工作，通过API接口可减少资源占用。

• 专注下游深度学习任务，可利用PaddleHub的Bert Service大幅减少embedding代码。

Bert Service具有几个突出的优点：

• 代码精短，易于使用。简单的pip安装方式，服务端仅需一行命令即可启动，客户端仅需一行代码即可获取embedding结果。

• 更高性能，更高效率。通过Paddle AnalysisPredictor API对模型的计算图进行优化，提升了计算速度并减小了显存占用。

• 随”机”应变，灵活扩展。可根据机器资源选择不同数量的服务端，并根据实际需求快速、灵活地进行增减，同时支持各张显卡执行不同的模型计算任务。

• 删繁就简，专注任务。Bert Service基于PaddlePaddle和PaddleHub开发，将模型的下载和安装等管理工作交由PaddleHub，开发者可以专注于主要任务，还可以无缝对接PaddleHub继续进行文本分类、序列标注等下游任务。

使用Bert Service搭建服务主要分为下面三个步骤：

Step1：准备环境

环境要求

下表是使用Bert Service的环境要求，带有*号标志项为非必需依赖，可根据实际使用需求选择安装。

安装步骤

a) 安装PaddlePaddle，利用pip下载CPU版本命令如下。GPU版本、Docker方式安装等其他更具体的安装过程见开始使用PaddlePaddle

$ # 安装paddlepaddle的CPU版本
$ pip install paddlepaddle

b) 安装PaddleHub

$ pip install paddlehub

c) server端，需另外安装paddle-gpu-serving，以获取快速部署服务的能力

$ pip install paddle-gpu-serving

d) client端，需另外安装ujson

$ pip install ujson

支持模型

目前Bert Service支持的语义模型如下表，可根据需要选择模型进行部署embedding服务，未来还将支持更多模型。

Step2：启动服务端(server)

简介

server端接收client端发送的数据，执行模型计算过程并将计算结果返回给client端。

server端启动时会按照指定的模型名称从PaddleHub获取对应的模型文件进行加载，无需提前下载模型或指定模型路径，对模型的管理工作由PaddleHub负责。在加载模型后在指定的端口启动BRPC服务，保持端口监听，当接收到数据后便执行模型计算，并将计算结果通过BRPC返回并发送至client端。

启动

使用PaddleHub的命令行工具可一键启动Bert Service，命令如下：

$ hub serving start bert_service -m ernie_tiny -p 8866 --use_gpu --gpu 0

启动成功则显示

Server[baidu::paddle_serving::predictor::bert_service::BertServiceImpl] is serving on port=8866.

整个启动过程如下图：

其中各参数说明如下表：

关闭

通过在启动服务端的命令行页面使用Ctrl+C终止Bert Service运行，关闭成功则显示：

Paddle Inference Server exit successfully!

Step3：启动客户端(client)

简介

client端接收文本数据，并获取server端返回的模型计算的embedding结果。

client端利用PaddleHub的语义理解任务将原始文本按照不同模型的数据预处理方案将文本ID化，并生成对应的sentence type、position、input masks数据，将这些信息封装成json数据，通过http协议按照指定的IP端口信息发送至server端，等待并获取模型生成结果。

启动

服务端类BSClient初始化方法原型为：

BSClient.__init__(self,
             module_name,
             server,
             max_seq_len=20,
             show_ids=False,
             do_lower_case=True,
             retry=3)
# 获取embedding方法原型为
BSClient.get_result(self, input_text)

其中各参数说明如下表：

Demo——利用Bert Service部署ernie_tiny在线embedding服务

在这里，我们将展示一个实际场景中可能使用的demo，我们利用PaddleHub在一台GPU机器上部署ernie_tiny模型服务，并在另一台CPU机器上尝试访问，获取一首七言绝句的embedding。

Step1：安装环境依赖

首先需要安装环境依赖，根据第2节内容分别在两台机器上安装相应依赖。

Step2：启动Bert Service服务端

确保环境依赖安装正确后，在要部署服务的GPU机器上使用PaddleHub命令行工具启动Bert Service服务端，命令如下：

$ hub serving start bert_service -m ernie_tiny --use_gpu --gpu 0 --port 8866

启动成功后打印

Server[baidu::paddle_serving::predictor::bert_service::BertServiceImpl] is serving on port=8866.

这样就启动了ernie_tiny的在线服务，监听8866端口，并在0号GPU上进行任务。

Step3：使用Bert Service客户端进行远程调用

部署好服务端后，就可以用普通机器作为客户端测试在线embedding功能。

首先导入客户端依赖。

from paddlehub.serving.bert_serving import bs_client

接着启动并初始化bert service客户端BSClient(这里的server为虚拟地址，需根据自己实际ip设置)

bc = bs_client.BSClient(module_name="ernie_tiny", server="127.0.0.1:8866")

然后输入文本信息。

input_text = [["西风吹老洞庭波"], ["一夜湘君白发多"], ["醉后不知天在水"], ["满船清梦压星河"], ]

最后利用客户端接口get_result发送文本到服务端，以获取embedding结果。

result = bc.get_result(input_text=input_text)

这样，就得到了embedding结果(此处只展示部分结果)。

[[0.9993321895599361, 0.9994612336158751, 0.9999646544456481, 0.732795298099517, -0.34387934207916204, ... ]]

客户端代码demo文件见示例。
运行命令如下：

$ python bert_service_client.py

运行过程如下图：

Step4：关闭Bert Service服务端

如要停止Bert Service服务端程序，可在其启动命令行页面使用Ctrl+C方式关闭，关闭成功会打印如下日志：

Paddle Inference Server exit successfully!

这样，我们就利用一台GPU机器就完成了Bert Service的部署，并利用另一台普通机器进行了测试，可见通过Bert Service能够方便地进行在线embedding服务的快速部署。

预训练模型一键服务部署

除了Bert Service外，PaddleHub Serving还具有预训练模型一键服务部署功能，能够将预训练模型快捷部署上线，对外提供可靠的在线预测服务，具体信息请参见Module Serving。

FAQ

Q : 如何在一台服务器部署多个模型？
A : 可通过多次启动Bert Service，分配不同端口实现。如果使用GPU，需要指定不同的显卡。如同时部署ernie和bert_chinese_L-12_H-768_A-12，分别执行命令如下：

$ hub serving start bert_service -m ernie -p 8866
$ hub serving start bert_service -m bert_chinese_L-12_H-768_A-12 -p 8867

Q : 启动时显示”Check out http://yq01-gpu-255-129-12-00.epc.baidu.com:8887 in web browser.”，这个页面有什么作用。
A : 这是BRPC的内置服务，主要用于查看请求数、资源占用等信息，可对server端性能有大致了解，具体信息可查看BRPC内置服务。

Q : 为什么输入文本的格式为[[“文本1”], [“文本2”], ]，而不是[“文本1”, “文本2”, ]？
A : 因为Bert模型可以对一轮对话生成向量表示，例如[[“问题1”,”回答1”],[“问题2”,”回答2”]]，为了防止使用时混乱，每个样本使用一个list表示，一个样本list内部可以是1条string或2条string，如下面的文本：

input_text = [
   ["你今天吃饭了吗","我已经吃过饭了"],
   ["今天天气怎么样","今天天气不错"],
]