gunicorn给worker分配GPU

博客介绍了在gunicorn的config文件(myconfig.py)中添加配置代码,并提及启动服务相关内容,涉及gunicorn、flask和transformer等信息技术领域元素。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在gunicorn的config文件(myconfig.py)中添加如下配置代码:

import os
import time

try:
    import pynvml 
    pynvml.nvmlInit()
    gpuDeviceCount = pynvml.nvmlDeviceGetCount()
except:
    gpuDeviceCount = 1
    
gpuDevicePool = []

def pre_fork(server, worker):
    try:
        gid = gpuDevicePool.pop(0)
    except:
        gid = (worker.age - 1) % gpuDeviceCount
    worker.gid = gid

def post_fork(server,worker):
    time.sleep(worker.age % server.cfg.workers)
    os.environ['CUDA_VISIBLE_DEVICES'] = str(worker.gid)
    server.log.info(f'worker(age:{worker.age}, pid:{worker.pid}, cuda:{worker.gid})')
    
def child_exit(server, worker):
    gpuDevicePool.append(worker.gid)

启动服务:

gunicorn -c myconfig.py server:app -w 16

【资源介绍】 1、该资源包括项目的全部源码,下载可以直接使用! 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,也可以作为小白实战演练和初期项目立项演示的重要参考借鉴资料。 3、本资源作为“学习资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研和多多调试实践。 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip 基于gunicorn+flask进行深度学习模型部署(使用onnxruntime框架进行模型推理加速做核心的计算,同时本项目还支持多GPU部署).zip
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值