PyTorch推理扩展实战：用Ray Data轻松实现多机多卡并行
单机 PyTorch 模型跑推理没什么问题，但数据量一旦上到万级、百万级，瓶颈就暴露出来了：内存不够、GPU 利用率低、I/O 拖后腿，更别说还要考虑容错和多机扩展。
传统做法是自己写多线程 DataLoader、管理批次队列、手动调度 GPU 资源，这哥工程量可不小，调试起来也麻烦。Ray Data 提供了一个更轻量的方案：在几乎不改动原有 PyTorch 代码的前提下，把单机推理扩展成分布式 pipeline。
原始的 PyTorch 代码
典型的推理场景：模型加载、预处理、批量预测，一套下来大概长这样：
import torch import torchvision from PIL import Image from typing import List class TorchPredictor: def __init__(self, model: torchvision.models, weights: torchvision.models): self.weights = weights self.model = model(weights=weights) self.model.eval() self.transform = weights.transforms() self.device = 'cuda' if torch.cuda.is_available() else 'cpu' self.model.to(self.device) def predict_batch(self, batch: List[Image.Image]) -> torch.Tensor: with torch.inference_mode(): batch = torch.stack([ self.transform(img.convert("RGB")) for img in batch ]).to(self.device) logits = self.model(batch) probs = torch.nn.functional.softmax(logits, dim=1) return probs处理几张图片完全没问题：
predictor = TorchPredictor( torchvision.models.resnet152, torchvision.models.ResNet152_Weights.DEFAULT ) images = [ Image.open('/content/corn.png').convert("RGB"), Image.open('/content/corn.png').convert("RGB") ] predictions = predictor.predict_batch(images)大数据量
图片数量从几张变成几万张、几百万张，情况完全不一样了。
内存撑不住，不可能把所有图一股脑塞进去；GPU 利用率上不去，多卡场景下吞吐量优化是个棘手的问题；万一跑到一半挂了怎么办？分布式部署能不能用上集群资源？还有个容易被忽视的点：数据加载的 I/O 往往才是真正的瓶颈。
自己从头写一套健壮的 pipeline 处理这些问题，少说得折腾好几天。
Ray Data 的思路
Ray Data 是个分布式数据处理框架，跟 PyTorch 配合得很好。关键是改造成本极低，原有代码基本不用大动。
第一步：改造 Predictor 类
把
predict_batch方法换成
__call__，输入从 PIL Image 列表改成包含 numpy 数组的字典：
import numpy as np from typing import Dict class TorchPredictor: def __init__(self, model: torchvision.models, weights: torchvision.models): self.weights = weights self.model = model(weights=weights) self.model.eval() self.transform = weights.transforms() self.device = 'cuda' if torch.cuda.is_available() else 'cpu' self.model.to(self.device) def __call__(self, batch: Dict[str, np.ndarray]): """Ray Data passes a dict batch with numpy arrays.""" # Convert numpy arrays back to PIL Images images = [Image.fromarray(img_array) for img_array in batch["image"]] with torch.inference_mode(): tensor_batch = torch.stack([ self.transform(img.convert("RGB")) for img in images ]).to(self.device) logits = self.model(tensor_batch) probs = torch.nn.functional.softmax(logits, dim=1) # Get top prediction top_probs, top_indices = torch.max(probs, dim=1) return { "predicted_class_idx": top_indices.cpu().numpy(), "confidence": top_probs.cpu().numpy() }改动点说明：
__call__替代
predict_batch；输入类型从
List[Image.Image]变成
Dict[str, np.ndarray]；方法内部把 numpy 数组转回 PIL Image；输出改成 dict 格式；结果要搬回 CPU（数据在进程间的移动由 Ray 负责）。
还有个细节要注意，Ray Data 用 numpy 数组而非 PIL Image，因为 numpy 数组跨进程序列化效率更高。
第二步：构建 Ray Dataset
根据场景选择合适的创建方式，小数据集直接从内存构建：
import ray import numpy as np ray.init() # Convert PIL Images to numpy arrays images = [ Image.open("/path/to/image1.png").convert("RGB"), Image.open("/path/to/image2.png").convert("RGB") ] # Create Ray Dataset from numpy arrays ds = ray.data.from_items([{"image": np.array(img)} for img in images])中等规模数据集推荐从文件路径延迟加载：
# Create dataset from paths image_paths = ["/path/to/img1.png", "/path/to/img2.png"] ds_paths = ray.data.from_items([{"path": path} for path in image_paths]) # Load images lazily def load_image(batch): images = [np.array(Image.open(path).convert("RGB")) for path in batch["path"]] return {"image": images} ds = ds_paths.map_batches(load_image, batch_size=10)生产环境首选
read_images()，Ray 全权接管：
# Most efficient - Ray handles everything ds = ray.data.read_images("/path/to/image/directory/") # or with specific files ds = ray.data.read_images(["/path/img1.png", "/path/img2.png"])第三步：跑分布式推理
核心代码如下：
weights = torchvision.models.ResNet152_Weights.DEFAULT # Distributed batch inference results_ds = ds.map_batches( TorchPredictor, fn_constructor_args=(torchvision.models.resnet152, weights), batch_size=32, num_gpus=1, compute=ray.data.ActorPoolStrategy(size=4) # 4 parallel actors ) # Collect results results = results_ds.take_all() # Process results for result in results: class_idx = result['predicted_class_idx'] confidence = result['confidence'] print(f"Predicted: {weights.meta['categories'][class_idx]} ({confidence:.2%})")搞定了。新版 Ray 里
concurrency参数已经废弃，要换成
compute=ActorPoolStrategy(size=N)这种写法。
改动总结：
自动分批，Ray 自己决定最优 batch size；
分布式执行，多 worker 并行跑；
GPU 调度，自动把卡分配给 worker；
流式处理，数据在 pipeline 里流动，不用一次性全加载进内存；
容错机制，worker 挂了会自动重试。
生产环境
RAY还可以直接读云存储的数据，S3、GCS、Azure Blob 都支持：
# Read directly from S3, GCS, or Azure Blob ds = ray.data.read_images("s3://my-bucket/images/") results = ds.map_batches( predictor, batch_size=64, num_gpus=1, concurrency=8 # 8 parallel GPU workers )多节点集群也可以用同一套代码，10 台机器还是 100 台机器，根本不用改：
# Connect to your Ray cluster ray.init("ray://my-cluster-head:10001") # Same code as before ds = ray.data.read_images("s3://my-bucket/million-images/") results = ds.map_batches(predictor, batch_size=64, num_gpus=1)进阶用法
每个 batch 都重新加载模型太浪费了，用 ActorPoolStrategy 让模型实例常驻内存：
from ray.data import ActorPoolStrategy results = ds.map_batches( TorchPredictor, fn_constructor_args=(torchvision.models.resnet152, weights), batch_size=32, num_gpus=1, compute=ActorPoolStrategy(size=4) # Keep 4 actors alive )这样吞吐量提升很明显。
CPU、GPU 资源可以细调
results = ds.map_batches( TorchPredictor, fn_constructor_args=(torchvision.models.resnet152, weights), batch_size=32, num_gpus=1, # 1 GPU per actor num_cpus=4, # 4 CPUs per GPU worker compute=ActorPoolStrategy(size=8) )推理完直接写到云存储：
results.write_parquet("s3://my-bucket/predictions/")几个容易踩的坑
Ray Data 没法直接序列化 PIL Image 对象，得先转成 numpy 数组：
# ❌ This will fail ds = ray.data.from_items([{"image": pil_image}]) # ✅ This works ds = ray.data.from_items([{"image": np.array(pil_image)}]) # ✅ Or use read_images() (best) ds = ray.data.read_images("/path/to/images/")Ray 2.51 之后
concurrency不能用了：
# ❌ Deprecated ds.map_batches(predictor, concurrency=4) # ✅ New way ds.map_batches(predictor, compute=ActorPoolStrategy(size=4))batch size 太大容易 OOM，保守起见可以从小的开始试：
# Monitor GPU memory and adjust batch_size accordingly results = ds.map_batches( predictor, batch_size=16, # Start conservative num_gpus=1 )实践建议
batch size 可以从小往大试，观察 GPU 显存占用：
# Too small: underutilized GPU batch_size=4 # Too large: OOM errors batch_size=256 # Just right: depends on your model and GPU # For ResNet152 on a single GPU, 32-64 works well batch_size=32ActorPoolStrategy 处理 20 张图大概要 9.7 秒，而原生 PyTorch 跑 2 张图几乎瞬间完成。所以图片量少的时候 Ray Data 的启动开销反而不划算，所以这个方案是几百上千张图的场景才能体现优势。
Ray 自带 dashboard，默认在 8265 端口：
# Check Ray dashboard at http://localhost:8265 ray.init(dashboard_host="0.0.0.0")代码中可以包一层 try-except 防止单个样本出错拖垮整个任务：
def safe_predictor(batch: dict): try: return predictor(batch) except Exception as e: return {"error": str(e), "probs": None}跑之前加个计时，可以进行性能 profiling：
import time start = time.time() results = ds.map_batches(predictor, batch_size=32) results.take_all() print(f"Processed in {time.time() - start:.2f} seconds")总结
适合的场景：数据集太大内存放不下；需要多卡或多机并行；长时间任务需要容错；不想自己写分布式代码。
不太必要的场景：图片量在百张以内；数据集轻松塞进内存；只有一张卡而且短期内不打算扩展。
Ray Data 的好处在于迁移成本低。PyTorch 代码改动很小，换个方法签名、把数据包成 Ray Dataset，就能换来从单卡到多机的无痛扩展、自动 batching 和并行优化、内置容错、云存储无缝对接等功能。
如果你下次写多线程 data loader 或者手动管理 GPU pool 之前，可以先考虑一下这哥方法，把分布式系统的脏活累活交给 Ray，精力留给构建模型本身。