在前面的文章中，已经带着读者创建好Triton的模型仓、安装并执行Triton推理服务器软件，接下来就是要安装Triton用户端软件，对服务器提出推理请求（requests），才能触发服务器执行推理计算的任务。

由于用户端的功能是在向服务器提出推理需求，本身并不参与计算，因此不用考虑设备性能或者是否装载GPU设备，即便是一台最基本的Windows上网本都能使用，只要安装合适的用户端软件就可以。

为了适应更多种使用场景，Triton用户端支持C++/Python/Java/GO等通用性高的在编程语言，底层还支持HTTP/REST与gRPC通讯协议，甚至还支持SSL/TLS加密选项，以及多种在线压缩（on-wirecompression）算法，内容是相当丰富并且多元化，完整的内容可以在开源仓里找到，本文只先提供Python用户端的部分。

与服务器的安装方式类似，NVIDIA提供以下4种安装方式：

1.源代码编译

这种方式需要从下载源代码，执行步骤在环节，通常会遇到的麻烦是步骤繁琐，并且出错率较高，因此并不推荐使用这个方法。

2.可执行文件

Triton开发团队为使用者提供编译好的可执行文件，包括、Jetpack与Windows平台，可以在
上获取，每个版本都会提供对应NGC容器的版本，如下图：

然后到下面的“Assets”选择合适的版本：

以装载Jetpack5的Orin为例，就下载
(1.13GB)压缩文件到本机上，然后解压缩到指定目录下就可以，例如${HOME}/triton目录，会生成backs、bin、clients、include、lib、qa等6个目录，用户端的可执行文件在目录下，目前有将近30个终端功能。

请先确认Triton服务器软件已经启动并且处于等待请求的状态，现在请开启另一个命令终端，输入以下指令提交推理请求：

cd${HOME}/triton./clients/bin/image_client-mdensenet_onnx-c3-sINCEPTIONqa/images/

这道指令使用clients/bin/image_client终端，请求服务器使用densenet_onnx推理模型，对qa/images/（下图）进行识别。这里的参数“-c3”是要求识别的分类最多可以到3项，指令执行结果如下，表示正确识别图像的3个可能分类：

其他终端软件会在后面文章中说明。

3.Docker容器版用户端

在安装Triton服务器软件一文中已经提过，可以在NGC服务器上可以找到Triton的相关镜像，其中year-xy-py3-sdk里就有提供用户端软件。这里同样在JetsonAGXOrin上用22.09-py3-sdk镜像做示范，请先执行以下指令下载这个镜像并进入这个容器：

/nvidia/tritonserver:22.09-py3-sdkdockerrun-it--rm--net=/nvidia/tritonserver:22.09-py3-sdk

进入容器之后，执行以下指令进行图像推理任务：

./install/bin/image_client-mdensenet_onnx-c3-sINCEPTION./images/

执行结果应该会看到如下截屏的内容，表示在这里对Triton服务器提出的推理请求，得到正确的计算结果。

同样的，在容器内install/bin目录下也有将近30个编译好的终端可执行文件，内容与前一项压缩文件所提供的内容是一致的，在下一篇文章中进行说明。

4.Python版用户端

由于Python是目前在深度学习领域中最重要的编程语言之一，NVIDIA为Triton提供可直接安装的Python库，只要执行以下指令就能轻松安装：

pip3installtritonclient[all]attrdict-i

这个过程会安装以下内容：

http

grpc[service_pb2,service_pb2_grpc,model_config_pb2]

utils[Linux发行版将包括shared_memory和cuda_shared_memory]

如果您在前面下载第2部分的压缩文件并且解压缩，在该目录之下的clients/python里就提供30多个Triton的Python用户端脚本；如果没有下载前面的压缩文件，现在可以执行以下指令去复制Triton项目的client开源仓：

gitclone

然后在client开源仓下的src/python/examples里有30多个Triton的Python用户端脚本。

现在进到Python用户端脚本的目录里，执行以下指令：

python3image__graphdef-sINCEPTION${HOME}/triton/server/qa/images/

执行后会显示如下的结果：

得到推理的结果为“COFEEMUG”为正确的，表示Triton的Python用户端使用环境是正确的。

以上介绍4种安装Triton用户端软件的方式，本文只使用image_client这个最简单的图像分类用户端工具，另外还有几个比较重要的用户端工具，后面会有针对性的深入讲解与示范。