TNWS AI

Гайд · TNWS AI

Как настроить intra-op потоки ONNX Runtime через SessionOptions

ONNX RuntimePython#ONNX Runtime#ONNX#нейросети
4 мин—

SessionOptions и intra_op_num_threads в ONNX Runtime: два потока, воспроизводимый output, честный benchmark и почему больше потоков не всегда быстрее.

Задача и применимость

Актуальный запрос: «как настроить ONNX Runtime intra_op_num_threads». Задать число потоков внутри операторов для CPU-сессии и измерить эффект, а не предположить ускорение. Официальная документация описывает SessionOptions.intra_op_num_threads; значение 0 или отсутствие настройки использует поведение runtime по умолчанию. Оптимум зависит от модели, размера batch, CPU, параллельных запросов и конкуренции процессов. Материал сверён 26 сентября 2026 года с официальной документацией ONNX Runtime и фактически проверяется на ONNX Runtime 1.30.0, ONNX 1.19.0 и NumPy 2.3.5. Тестовая модель создаётся локально и не скачивает веса.

Пошаговое выполнение

  1. Создайте SessionOptions до InferenceSession.
  2. Установите intra_op_num_threads=2 как тестовую конфигурацию.
  3. Проверьте тот же численный результат.
  4. Сделайте прогрев и измерьте p50/p95 для нескольких значений на своей машине.

Сначала запускайте пример во временном каталоге. Для реальной модели зафиксируйте checksum, opset, версию exporter и preprocessing. ONNX Runtime исполняет граф, но не знает предметного смысла признаков, поэтому одинаковая shape ещё не доказывает правильную подготовку данных.

Готовый проверяемый шаблон

import tempfile
from pathlib import Path
import numpy as np
import onnx
from onnx import TensorProto, helper
import onnxruntime as ort

tmp = Path(tempfile.mkdtemp())
model_path = tmp / "add.onnx"
x_info = helper.make_tensor_value_info("x", TensorProto.FLOAT, [None, 2])
y_info = helper.make_tensor_value_info("y", TensorProto.FLOAT, [None, 2])
bias = helper.make_tensor("bias", TensorProto.FLOAT, [2], [1.0, -1.0])
node = helper.make_node("Add", ["x", "bias"], ["y"])
graph = helper.make_graph([node], "add_graph", [x_info], [y_info], [bias])
model = helper.make_model(graph, opset_imports=[helper.make_opsetid("", 13)])
onnx.checker.check_model(model)
onnx.save(model, model_path)
options=ort.SessionOptions()
options.intra_op_num_threads=2
session=ort.InferenceSession(str(model_path),sess_options=options,providers=["CPUExecutionProvider"])
x=np.array([[2,5]],dtype=np.float32)
for _ in range(5): session.run(None,{"x":x})
np.testing.assert_allclose(session.run(None,{"x":x})[0], [[3,4]])

Вход и ожидаемые данные

Настройка 2 создаёт тестовую сессию, результат остаётся [3,4]. На крошечной Add-модели два потока могут быть медленнее из-за накладных расходов; она проверяет API и корректность, но не производительность нейросети. Benchmark делайте на своей настоящей модели и репрезентативном batch.

Проверка результата

Для 0, 1, 2 и числа, согласованного с выделенными CPU, выполните прогрев и много повторов. Измеряйте latency распределением, throughput и загрузку CPU. Не сравнивайте первый run: в него входят инициализация и оптимизации. При нескольких worker учитывайте суммарное число потоков всех сессий. Перед рабочим применением повторите проверку на точных входах экспортированной нейросети: универсальный пример не заменяет контракт конкретного артефакта. Сохраните минимальный воспроизводимый вход, чтобы сравнить старую и новую версии без персональных данных.

Как перенести пример на настоящую нейросеть

Заменяйте учебный граф только после того, как базовый пример проходит полностью. Получите имена, типы и формы через API сессии, затем воспроизведите тот же preprocessing, который использовался при обучении или экспорте. Для изображения это включает порядок каналов, resize, нормализацию и цветовое пространство; для текста — конкретный tokenizer, специальные токены, padding и attention mask. Эти параметры не восстанавливаются надёжно по одной форме tensor. Храните конфигурацию рядом с моделью и версионируйте её вместе с ONNX-файлом. Сначала сравните ONNX output с исходным framework на одинаковых входах, а затем отдельно проверяйте предметную метрику: accuracy, F1, Recall@k или другую заранее выбранную величину.

Критерии приёмки

  1. Модель проходит onnx.checker и загружается выбранным provider.
  2. dtype, rank, shape и имена совпадают с метаданными.
  3. Положительный вход совпадает с численным эталоном.
  4. Негативный вход вызывает ожидаемую ошибку, а не случайный результат.
  5. Тест повторяется после смены модели, runtime или provider.

Регрессионный протокол

Сохраните версии пакетов, providers, имена tensor, shape и dtype. Используйте минимум пять входов: стандартный, другой batch, нули, отрицательные значения и граничный допустимый диапазон. Сравнивайте outputs с эталонной реализацией и явно задавайте абсолютный и относительный допуск. Измерение производительности отделяйте от проверки точности: сначала докажите эквивалентность, затем делайте прогрев и много повторов. Не выбирайте лучший прогон вручную — публикуйте p50, p95 и условия машины. Ошибка одного теста должна блокировать замену модели, но не требует останавливать независимые сервисы.

Диагностика расхождений

Если значения отличаются, локализуйте слой по порядку: исходный файл, preprocessing, dtype и shape, выбранный provider, затем численная точность операторов. Сохраните небольшой обезличенный вход и outputs обеих реализаций. Не начинайте с увеличения допуска: так можно скрыть переставленные каналы или неверную токенизацию. Для динамического batch проверяйте каждую строку отдельно и вместе, чтобы обнаружить ошибочную зависимость между элементами. Для stateful preprocessing сбрасывайте состояние между тестами. После исправления повторите весь набор, включая негативные случаи, а не только один пример, который раньше падал.

Типичные ошибки и чего не делать

  • Не ставьте число логических CPU во все workers без расчёта oversubscription.
  • Не измеряйте только один холодный run.
  • Не меняйте потоки и providers одновременно в одном эксперименте.

Не изменяйте модель, dtype или форму случайными преобразованиями, лишь бы исчезло исключение. Не используйте вход из недоверенного источника без ограничений размера: огромный tensor способен исчерпать память. Не выдавайте арифметический мини-граф за оценку качества настоящей нейросети.

FAQ

Что такое intra-op?

Параллелизм внутри выполнения отдельного оператора.

Что означает 0?

Runtime применяет конфигурацию по умолчанию.

Больше потоков всегда быстрее?

Нет, это измеряют на конкретной нагрузке.

Официальные источники

Частые вопросы

Что такое intra-op?

Параллелизм внутри выполнения отдельного оператора.

Что означает 0?

Runtime применяет конфигурацию по умолчанию.

Больше потоков всегда быстрее?

Нет, это измеряют на конкретной нагрузке.

Читайте также

ГайдыONNX RuntimePython26 сентября 2026

Как использовать I/O Binding ONNX Runtime на CPU

I/O Binding в Python на CPU: OrtValue из NumPy, bind_ortvalue_input, bind_output, run_with_iobinding и точная проверка результата.

4 мин 
ГайдыONNX RuntimePython26 сентября 2026

Как проверить Execution Provider ONNX Runtime и не ждать GPU зря

Проверка get_available_providers и session.get_providers: явный CPUExecutionProvider, отличие установленного provider от выбранного и безопасный fallback.

4 мин 
ГайдыONNX RuntimePython26 сентября 2026

Как сохранить оптимизированный граф ONNX Runtime при создании сессии

Сохранение optimized_model_filepath в ONNX Runtime: исходный и оптимизированный файлы, проверка одинакового output и ограничения переносимости.

4 мин 

Подбор

Какую нейросеть выбрать

Пройти опрос

Комментарии

Пока тихо. Скажите первое слово