Django+Celery部署TensorFlow模型

Django作为基本的Web框架，Celery用来处理异步任务，两者搭建分析服务器部署TensorFlow模型。（数据服务器通过POST请求与分析服务器进行任务发布和结果接收，这里不是重点。）在这里主要记录一下解决的两个问题：

1.我在utils.py中写好了TensorFlow的模型预测代码，我每次调用执行utils.py这个代码的时候，我想在不同的卡上执行。

出发点是为了充分利用celery处理异步任务的效率，因为每次模型推理的时候模型参数都需要加载到GPU中，如果不可以通过制定任务使用的GPU来合理分配资源，GPU肯定会爆显存。

解决办法是利用celery的任务队列特性，通过开启多个任务worker，然后在开启的时候制定使用的GPU，再对celery中的启动参数【-c】（也就是concurrency，表示最大并行子进程数目）进行合理的配置，就可以做到既不会爆显存，又可以让服务器上的GPU都利用起来。

CUDA_VISIBLE_DEVICES=0 nohup python manage.py celery worker -E -l info -n analyze --maxtasksperchild 100 -c 1 -Q analyze_task >analyze0.log 2>&1 &
CUDA_VISIBLE_DEVICES=1 nohup python manage.py celery worker -E -l info -n analyze --maxtasksperchild 100 -c 1 -Q analyze_task >analyze1.log 2>&1 &
CUDA_VISIBLE_DEVICES=2 nohup python manage.py celery worker -E -l info -n analyze --maxtasksperchild 100 -c 1 -Q analyze_task >analyze2.log 2>&1 &
CUDA_VISIBLE_DEVICES=3 nohup python manag