Azure Execution Provider (Vorschau)

Der Azure Execution Provider ermöglicht es ONNX Runtime, einen entfernten Azure-Endpunkt für die Inferenz aufzurufen. Der Endpunkt muss bereits bereitgestellt oder verfügbar sein.

Seit Version 1.16 sind die folgenden Plug-in-Operatoren von onnxruntime-extensions verfügbar

• OpenAIAudioToText
• AzureTextToText
• AzureTritonInvoker

Mit den Operatoren unterstützt der Azure Execution Provider zwei Verwendungsmodi

• Edge und Azure Seite an Seite
• Hybrid zusammenführen und ausführen

Der Azure Execution Provider befindet sich in der Vorschauphase, und alle API(s) und Verwendungen können sich ändern.

Inhalt

• Installieren
• Voraussetzungen
• Erstellen
• Verwendung
• Aktuelle Einschränkungen

Installieren

Seit Version 1.16 ist der Azure Execution Provider standardmäßig sowohl in den Python- als auch in den NuGet-Paketen enthalten.

Voraussetzungen

Seit Version 1.16 sind alle Azure Execution Provider-Operatoren mit onnxruntime-extensions (>=v0.9.0) Python- und NuGet-Paketen enthalten. Bitte stellen Sie sicher, dass die richtigen onnxruntime-extension-Pakete installiert sind, bevor Sie den Azure Execution Provider verwenden.

Build

Anweisungen zum Erstellen finden Sie auf der BUILD-Seite.

Verwendung

Edge und Azure Seite an Seite

In diesem Modus laufen zwei Modelle gleichzeitig. Das Azure-Modell läuft asynchron über die RunAsync API, die auch über Python und C# verfügbar ist.

import os
import onnx
from onnx import helper, TensorProto
from onnxruntime_extensions import get_library_path
from onnxruntime import SessionOptions, InferenceSession
import numpy as np
import threading


# Generate the local model by:
# https://github.com/microsoft/onnxruntime-extensions/blob/main/tutorials/whisper_e2e.py
def get_whiper_tiny():
    return '/onnxruntime-extensions/tutorials/whisper_onnx_tiny_en_fp32_e2e.onnx'


# Generate the azure model
def get_openai_audio_azure_model():
    auth_token = helper.make_tensor_value_info('auth_token', TensorProto.STRING, [1])
    model = helper.make_tensor_value_info('model_name', TensorProto.STRING, [1])
    response_format = helper.make_tensor_value_info('response_format', TensorProto.STRING, [-1])
    file = helper.make_tensor_value_info('file', TensorProto.UINT8, [-1])

    transcriptions = helper.make_tensor_value_info('transcriptions', TensorProto.STRING, [-1])

    invoker = helper.make_node('OpenAIAudioToText',
                               ['auth_token', 'model_name', 'response_format', 'file'],
                               ['transcriptions'],
                               domain='com.microsoft.extensions',
                               name='audio_invoker',
                               model_uri='https://api.openai.com/v1/audio/transcriptions',
                               audio_format='wav',
                               verbose=False)

    graph = helper.make_graph([invoker], 'graph', [auth_token, model, response_format, file], [transcriptions])
    model = helper.make_model(graph, ir_version=8,
                              opset_imports=[helper.make_operatorsetid('com.microsoft.extensions', 1)])
    model_name = 'openai_whisper_azure.onnx'
    onnx.save(model, model_name)
    return model_name


if __name__ == '__main__':
    sess_opt = SessionOptions()
    sess_opt.register_custom_ops_library(get_library_path())

    azure_model_path = get_openai_audio_azure_model()
    azure_model_sess = InferenceSession(azure_model_path,
        sess_opt, providers=['CPUExecutionProvider', 'AzureExecutionProvider'])  # load AzureEP

    with open('test16.wav', "rb") as _f:  # read raw audio data from a local wav file
        audio_stream = np.asarray(list(_f.read()), dtype=np.uint8)

    azure_model_inputs = {
        "auth_token": np.array([os.getenv('AUDIO', '')]),  # read auth from env variable
        "model_name": np.array(['whisper-1']),
        "response_format":  np.array(['text']),
        "file": audio_stream
    }


    class RunAsyncState:
        def __init__(self):
            self.__event = threading.Event()
            self.__outputs = None
            self.__err = ''

        def fill_outputs(self, outputs, err):
            self.__outputs = outputs
            self.__err = err
            self.__event.set()

        def get_outputs(self):
            if self.__err != '':
                raise Exception(self.__err)
            return self.__outputs;

        def wait(self, sec):
            self.__event.wait(sec)


    def azureRunCallback(outputs: np.ndarray, state: RunAsyncState, err: str) -> None:
        state.fill_outputs(outputs, err)


    run_async_state = RunAsyncState();
    # infer azure model asynchronously
    azure_model_sess.run_async(None, azure_model_inputs, azureRunCallback, run_async_state)

    # in the same time, run the edge
    edge_model_path = get_whiper_tiny()
    edge_model_sess = InferenceSession(edge_model_path,
        sess_opt, providers=['CPUExecutionProvider'])

    edge_model_outputs = edge_model_sess.run(None, {
        'audio_stream': np.expand_dims(audio_stream, 0),
        'max_length': np.asarray([200], dtype=np.int32),
        'min_length': np.asarray([0], dtype=np.int32),
        'num_beams': np.asarray([2], dtype=np.int32),
        'num_return_sequences': np.asarray([1], dtype=np.int32),
        'length_penalty': np.asarray([1.0], dtype=np.float32),
        'repetition_penalty': np.asarray([1.0], dtype=np.float32)
    })

    print("\noutput from whisper tiny: ", edge_model_outputs)
    run_async_state.wait(10)
    print("\nresponse from openAI: ", run_async_state.get_outputs())
    # compare results and pick the better

Hybrid zusammenführen und ausführen

Alternativ kann man auch lokale und Azure-Modelle zu einem Hybrid zusammenführen und dann wie ein gewöhnliches ONNX-Modell inferieren. Beispiel-Skripte finden Sie hier.

Aktuelle Einschränkungen

• Nur Builds und Ausführung unter Windows, Linux und Android.
• Für Android wird AzureTritonInvoker nicht unterstützt.