颖脉 NNA 部署示例

Paddle Lite 已支持 Imagination NNA 的预测部署。 其接入原理是与之前华为 Kirin NPU 类似,即加载并分析 Paddle 模型,将 Paddle 算子转成 Imagination DNN APIs 进行网络构建,在线生成并执行模型。

支持现状

已支持的芯片

  • 紫光展锐虎贲 T7510

已支持的设备

  • 海信 F50,Roc1 开发板(基于 T7510 的微型电脑主板)

  • 酷派 X10(暂未提供 demo)

已支持的 Paddle 模型

性能

  • 测试环境

    • 编译环境

      • Ubuntu 18.04,GCC 5.4 for ARMLinux aarch64

    • 硬件环境

      • 紫光展锐虎贲 T7510

        • Roc1 开发板

        • CPU:4 x Cortex-A75 2.0 GHz + 4 x Cortex-A55 1.8 GHz

        • NNA:4 TOPs @1.0GHz

  • 测试方法

    • warmup=1,repeats=5,统计平均时间,单位是 ms

    • 线程数为 1,paddle::lite_api::PowerMode CPU_POWER_MODE 设置为 paddle::lite_api::PowerMode::LITE_POWER_HIGH

    • 分类模型的输入图像维度是{1, 3, 224, 224}

  • 测试结果

模型 紫光展锐虎贲 T7510
CPU(ms) NPU(ms)
mobilenet_v1_int8_224_per_layer 61.093601 3.217800

已支持(或部分支持)的 Paddle 算子

您可以查阅 NNAdapter 算子支持列表获得各算子在不同新硬件上的最新支持信息。

不经过 NNAdapter 标准算子转换,而是直接将 Paddle 算子转换成 Imagination NNA IR 的方案可点击链接

参考示例演示

测试设备( Roc1 开发板)

roc1_front

roc1_back

准备设备环境

  • 需要依赖特定版本的 firmware,请联系 Imagination 相关研发同学 jason.wang@imgtec.com;

  • 确定能够通过 SSH 方式远程登录 Roc 1 开发板;

  • 由于 Roc 1 的 ARM CPU 能力较弱,示例程序和 Paddle Lite 库的编译均采用交叉编译方式。

准备交叉编译环境

  • 按照以下两种方式配置交叉编译环境:

    • Docker 交叉编译环境:由于 Roc1 运行环境为Ubuntu 18.04,且 Imagination NNA DDK 依赖高版本的 glibc,因此不能直接使用编译环境准备中的 Docker image,而需要按照如下方式在Host机器上手动构建 Ubuntu 18.04 的 Docker image;

      $ wget https://paddlelite-demo.bj.bcebos.com/devices/imagination/Dockerfile
      $ docker build --network=host -t paddlepaddle/paddle-lite-ubuntu18_04:1.0 .
      $ docker run --name paddle-lite-ubuntu18_04 --net=host -it --privileged -v $PWD:/Work -w /Work paddlepaddle/paddle-lite-ubuntu18_04:1.0 /bin/bash
      
    • Ubuntu 交叉编译环境:要求 Host 为 Ubuntu 18.04 系统,参考编译环境准备中的”交叉编译 ARM Linux “步骤安装交叉编译工具链。

  • 由于需要通过 scpssh 命令将交叉编译生成的 Paddle Lite 库和示例程序传输到设备上执行,因此,在进入 Docker 容器后还需要安装如下软件:

    # apt-get install openssh-client sshpass
    

运行图像分类示例程序

  • 下载 Paddle Lite 通用示例程序 PaddleLite-generic-demo.tar.gz ,解压后目录主体结构如下:

      - PaddleLite-generic-demo
        - image_classification_demo
          - assets
            - images
              - tabby_cat.jpg # 测试图片
              - tabby_cat.raw # 经过 convert_to_raw_image.py 处理后的 RGB Raw 图像
            - labels
              - synset_words.txt # 1000 分类 label 文件
            - models
              - mobilenet_v1_int8_224_per_layer # Paddle non-combined 格式的 mobilenet_v1 int8 全量化模型
                - __model__ # Paddle fluid 模型组网文件,可使用 netron 查看网络结构
                — conv1_weights # Paddle fluid 模型参数文件
                - batch_norm_0.tmp_2.quant_dequant.scale # Paddle fluid 模型量化参数文件
                — subgraph_partition_config_file.txt # 自定义子图分割配置文件
                ...
          - shell
            - CMakeLists.txt # 示例程序 CMake 脚本
            - build.linux.arm64 # arm64 编译工作目录
              - image_classification_demo # 已编译好的,适用于 arm64 的示例程序
              ...
            ...
            - image_classification_demo.cc # 示例程序源码
            - build.sh # 示例程序编译脚本
            - run_with_ssh.sh # 示例程序 adb 运行脚本
            - run_with_adb.sh # 示例程序 ssh 运行脚本
            - run.sh # 示例程序运行脚本
        - libs
          - PaddleLite
            - linux
              - arm64
                - include
                - lib
                  - imagination_nna # 颖脉 NNA imgdnn DDK、NNAdapter 运行时库、device HAL 库
                    - libimagination_nna.so # NNAdapter device HAL 库
                    - libnnadapter.so # NNAdapter 运行时库
                    - libcrypto.so
                    ...
                  - libpaddle_full_api_shared.so # 预编译 Paddle Lite full api 库
                  - libpaddle_light_api_shared.so # 预编译 Paddle Lite light api 库
                  ...
              ...
            ...
          - OpenCV # OpenCV 预编译库
    
  • 按照以下命令分别运行转换后的 ARM CPU 模型和 Imagination NNA 模型,比较它们的性能和结果;

    注意:
    1`run_with_adb.sh` 不能在 Docker 环境执行,否则可能无法找到设备,也不能在设备上运行。
    2`run_with_ssh.sh` 不能在设备上运行,且执行前需要配置目标设备的IP地址、SSH 账号和密码。
    3`build.sh` 根据入参生成针对不同操作系统、体系结构的二进制程序,需查阅注释信息配置正确的参数值。
    4`run_with_adb.sh` 入参包括模型名称、操作系统、体系结构、目标设备、设备序列号等,需查阅注释信息配置正确的参数值。
    5`run_with_ssh.sh` 入参包括模型名称、操作系统、体系结构、目标设备、ip 地址、用户名、用户密码等,需查阅注释信息配置正确的参数值。
    
    在 ARM CPU 上运行 mobilenetv1 全量化模型
    $ cd PaddleLite-generic-demo/image_classification_demo/shell
    $ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer linux arm64 cpu 192.168.100.10 22 img imgroc1
    ...
    iter 0 cost: 61.130001 ms
    iter 1 cost: 61.073002 ms
    iter 2 cost: 61.081001 ms
    iter 3 cost: 61.088001 ms
    iter 4 cost: 61.096001 ms
    warmup: 1 repeat: 5, average: 61.093601 ms, max: 61.130001 ms, min: 61.073002 ms
    results: 3
    Top0  tabby, tabby cat - 0.490191
    Top1  Egyptian cat - 0.441032
    Top2  tiger cat - 0.060051
    Preprocess time: 0.798000 ms
    Prediction time: 61.093601 ms
    Postprocess time: 0.167000 ms
    
    
    在 Imagination NNA 上运行 mobilenetv1 全量化模型
    $ cd PaddleLite-generic-demo/image_classification_demo/shell
    $ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer linux arm64 imagination_nna 192.168.100.10 22 img imgroc1
    ...
    iter 0 cost: 3.288000 ms
    iter 1 cost: 3.220000 ms
    iter 2 cost: 3.167000 ms
    iter 3 cost: 3.268000 ms
    iter 4 cost: 3.146000 ms
    warmup: 1 repeat: 5, average: 3.217800 ms, max: 3.288000 ms, min: 3.146000 ms
    results: 3
    Top0  tabby, tabby cat - 0.514779
    Top1  Egyptian cat - 0.421183
    Top2  tiger cat - 0.052648
    Preprocess time: 0.818000 ms
    Prediction time: 3.217800 ms
    Postprocess time: 0.157000 ms
    
    • 如果需要更改测试图片,可将图片拷贝到 PaddleLite-generic-demo/image_classification_demo/assets/images 目录下,然后调用 convert_to_raw_image.py 生成相应的 RGB Raw 图像,最后修改 run_with_adb.sh 的 IMAGE_NAME 变量即可;

    注意:
    1)请根据 `buid.sh` 配置正确的参数值。
    2)需在 Docker 环境中编译。
    
    ./build.sh linux arm64
    

更新模型

  • 通过 Paddle Fluid 训练,或 X2Paddle 转换得到 MobileNetv1 foat32 模型mobilenet_v1_fp32_224_fluid

  • 参考模型量化-静态离线量化使用 PaddleSlim 对 float32 模型进行量化(注意:由于 Imagination NNA 只支持 tensor-wise 的全量化模型,在启动量化脚本时请注意相关参数的设置),最终得到全量化 MobileNetV1 模型mobilenet_v1_int8_224_fluid

  • 参考模型转化方法,利用 opt 工具转换生成 Imagination NNA 模型,仅需要将 valid_targets 设置为 imagination_nna,arm 即可。

    $ ./opt --model_dir=mobilenet_v1_int8_224_per_layer \
        --optimize_out_type=naive_buffer \
        --optimize_out=opt_model \
        --valid_targets=imagination_nna,arm
    
    替换自带的 Imagination NNA 模型
    $ cp opt_model.nb mobilenet_v1_int8_224_per_layer/model.nb
    
  • 注意:opt 生成的模型只是标记了 Imagination NNA 支持的 Paddle 算子,并没有真正生成 Imagination NNA 模型,只有在执行时才会将标记的 Paddle 算子转成 Imagination DNN APIs,最终生成并执行模型。

更新支持 Imagination NNA 的 Paddle Lite 库

  • 下载 Paddle Lite 源码和 Imagination NNA DDK

    $ git clone https://github.com/PaddlePaddle/Paddle-Lite.git
    $ cd Paddle-Lite
    $ git checkout <release-version-tag>
    $ curl -L https://paddlelite-demo.bj.bcebos.com/devices/imagination/imagination_nna_sdk.tar.gz -o - | tar -zx
    
  • 编译并生成 Paddle Lite + ImaginationNNA for armv8的部署库

    • For Roc1

      • tiny_publish 编译方式

        $ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_imagination_nna=ON --nnadapter_imagination_nna_sdk_root=$(pwd)/imagination_nna_sdk
        
      • full_publish 编译方式

        $ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_imagination_nna=ON --nnadapter_imagination_nna_sdk_root=$(pwd)/imagination_nna_sdk full_publish
        
      • 替换头文件和库

        # 替换 include 目录
        $ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/include/ PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/include/
        # 替换 NNAdapter 运行时库
        $ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libnnadapter.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/imagination_nna/
        # 替换 NNAdapter device HAL 库
        $ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libimagination_nna.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/imagination_nna/
        # 替换 libpaddle_light_api_shared.so
        $ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libpaddle_light_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/
        # 替换 libpaddle_full_api_shared.so (仅在 full_publish 编译方式下)
        $ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libpaddle_full_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/
        
  • 替换头文件后需要重新编译示例程序

其它说明

  • Imagination 研发同学正在持续增加用于适配 Paddle 算子 bridge/converter,以便适配更多 Paddle 模型。