AnyImage/openspec/changes/release-model-inference-memory/specs/model-inference-memory/spec.md at 2ff7b04f5605947e13f0c5cd52dd5a1181bb97d8

Files

nan 2ff7b04f56 feat: Implement unified memory management for ONNX model inference

- Introduced a new memory management policy for ONNX Runtime to release temporary GPU memory after inference completion.
- Established a shared inference entry point for all ONNX models, differentiating between long-lived sessions and temporary memory arenas.
- Updated CUDA sessions to utilize a shrinkable memory arena, reclaiming GPU memory post-inference.
- Ensured consistent memory release semantics across BEN2, DA3, MoGe-2, and Upscale models while reusing existing sessions.
- Added lifecycle tests to validate temporary memory release and session reuse.
- Modified model adapters to integrate the new memory management features, ensuring backward compatibility with existing inference behavior.
- Enhanced unit tests to cover new memory release scenarios and verify correct behavior across different execution providers.

2026-09-01 13:22:35 +08:00

3.1 KiB

Raw Blame History

Purpose

规定所有 ONNX 模型在复用已加载 Session 的同时，于一次完整业务推理结束后释放 Execution Provider 支持回收的临时 GPU 内存，避免推理资源长期挤占 Blender。

ADDED Requirements

Requirement: Cached model sessions survive inference cleanup

系统 SHALL 在清理一次推理使用的临时内存后保留对应模型的已加载 Session，使相同模型、Device 与 Runtime 的下一次请求复用该 Session。

Scenario: Matching request reuses the loaded model

WHEN 一个模型操作成功完成临时推理内存清理，随后以相同模型、Device 与 Runtime 再次请求该模型
THEN 系统复用同一个已加载 Session，且不重新从模型文件创建 Session

WHEN BEN2、DA3、MoGe-2 或任一 Upscale 模型在支持清理的 Provider 上完成推理
THEN 每个模型均遵循相同的 Session 保留与临时内存释放语义

Requirement: Temporary GPU inference memory is released at operation completion

系统 SHALL 在 Execution Provider 支持 memory arena shrinkage 时，于一次成功业务推理的最后一次模型运行请求释放不再使用的临时 GPU arena，同时保留 Session 持有的模型资源。

Scenario: Single-run inference releases temporary memory

WHEN 一次业务推理只执行一次模型运行并成功返回
THEN 该次模型运行请求在结束时收缩支持回收的 GPU memory arena

Scenario: Multi-frame inference releases after the final frame

WHEN 一次业务推理依次处理多个输入帧
THEN 中间帧不触发 arena shrinkage，最后一帧的模型运行请求触发 arena shrinkage

Scenario: Tiled inference releases after the final tile

WHEN Upscale 为一个或多个输入帧执行多次分块模型运行
THEN 中间分块与中间帧不触发 arena shrinkage，整个业务推理的最后一个分块触发 arena shrinkage

Requirement: Unsupported providers retain existing inference behavior

系统 MUST 只向明确支持所选 memory arena shrinkage 配置的 Execution Provider 提交该配置；其他 Provider SHALL 按原有运行方式执行。

Scenario: Provider does not support GPU arena shrinkage

WHEN 模型 Session 使用 CPU、DirectML、CoreML 或其他未声明支持该 GPU arena shrinkage 配置的 Provider
THEN 系统不提交对应的 Provider 或 Run 清理配置，且推理继续正常执行

Requirement: Inference results and failure contracts remain stable

临时内存释放 SHALL 不改变模型输入、模型输出、Job 产物、取消检查或既有资源错误处理。

Scenario: Cleanup-enabled inference returns the same model result

WHEN 对相同输入与模型分别执行启用和未启用临时内存释放的推理
THEN 两次推理返回相同结构、尺寸、dtype 与数值语义的模型结果

Scenario: Upscale provider resource failure

WHEN Upscale 的 Execution Provider 因 GPU 或系统内存不足而失败
THEN 系统继续释放失效的 Upscale Session，并返回既有的可读资源错误

3.1 KiB Raw Blame History Unescape Escape