C/C++教程

TVM优化c++部署实践

本文主要是介绍TVM优化c++部署实践,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

TVM优化c++部署实践

使用TVM导入神经网络模型:

模型支持pytorch , tensorflow , onnx, caffe 等。平时pytorch用的多,这里给一种pytorch的导入方式。

github代码仓:https://github.com/leoluopy/autotvm_tutorial 

 

def relay_import_from_torch(model, direct_to_mod_param=False):

    # 模型输入模型是 NCHW次序,tvm目前支持动态shape

    input_shape = [1, 3, 544, 960]

    input_data = torch.randn(input_shape)

    # 使用随机数据,运行一次模型,记录张量运算

    scripted_model = torch.jit.trace(model, input_data).eval()

 

    input_name = "input0"

    shape_list = [(input_name, input_shape)]

    # 导入模型和权重

    mod, params = relay.frontend.from_pytorch(scripted_model, shape_list)

    if direct_to_mod_param:

        return mod, params

 

    # target = tvm.target.Target("llvm", host="llvm")

    # dev = tvm.cpu(0)

    # 设定目标平台和设备号,可以是其它平台,如ARM GPU ,苹果手机GPU等

    target = tvm.target.cuda()

    dev = tvm.device(str(target), 0)

    with tvm.transform.PassContext(opt_level=3):

    # 编译模型至目标平台,保存在lib变量中,后面可以被导出。

        lib = relay.build(mod, target=target, params=params)

    # 使用编译好的lib初始化 graph_executor ,后面用于推理

    tvm_model = graph_executor.GraphModule(lib["default"](dev))

    return tvm_model, dev

初始化了推理需要的graph_executor。代码很简单,去github仓库扒下来扒,这里介绍另外一种,导出为so文件,然后加载so文件进行推理的方式。

使用TVM导出目标平台推理代码:

lib.export_library("centerFace_relay.so")

当然这里还没有进行schedule参数搜索,虽然相对于原始的pytorch接口也能有一定优化,但是还没有发挥最大功力。

TVM的python推理接口实践:

来,上代码。 so文件是刚才导出的推理库,也可以是后面搜索得到的推理库,等下后文介绍。

 

    frame = cv2.imread("./ims/6.jpg")

 

    target = tvm.target.cuda()

    dev = tvm.device(str(target), 0)

 

    lib = tvm.runtime.load_module("centerFace_relay.so")

    tvm_centerPoseModel = runtime.GraphModule(lib["default"](dev))

    input_tensor, img_h_new, img_w_new, scale_w, scale_h, raw_scale = centerFacePreprocess(frame)

    tvm_centerPoseModel.set_input("input0", tvm.nd.array(input_tensor.astype("float32")))

    for i in range(100):

        # 推理速率演示,推理多次后时间会稳定下来

        t0 = time.time()

        tvm_centerPoseModel.run()

        print("tvm inference cost: {}".format(time.time() - t0))

    heatmap, scale, offset, lms = torch.tensor(tvm_centerPoseModel.get_output(0).asnumpy()), \

                                  torch.tensor(tvm_centerPoseModel.get_output(1).asnumpy()), \

                                  torch.tensor(tvm_centerPoseModel.get_output(2).asnumpy()), \

                                  torch.tensor(tvm_centerPoseModel.get_output(3).asnumpy()),

 

    dets, lms = centerFacePostProcess(heatmap, scale, offset, lms, img_h_new, img_w_new, scale_w, scale_h, raw_scale)

    centerFaceWriteOut(dets, lms, frame)

现在打通了一个完整的流程,使用tvm导入模型 ---> 编译并导出so库 ---> 加载so库 ---> 推理

上面的编译并导出so库,在windows平台导出dll 库。编译的过程使用tvm默认的schedule参数,也有一定的优化效果,测试下来,之前使用了一个centerface的pytorch模型推理50W像素的图片大约需要12ms [ 1080ti ],默认编译后推理时间大约是 6ms 。

对比上面,除了使用默认的schedule参数进行推理,可以搜索更优的schedule参数。测试相同的情况,centerface推理时间3.5ms。 有了大约一倍的提升。关键是性能没有损失!

对应的总体流程就变成了:

使用tvm导入模型 ---> 搜索最优scheduel参数 --- > 编译并导出so库 ---> 加载so库 ---> 推理

使用autoTVM搜索最优推理代码:

python 搜索代码.

def case_autotvm_relay_centerFace():

    # InitCenterFacePy封装了pytorch的加载代码

    model = InitCenterFacePy()

    # tvm搜索完成后将结果保存在.log中

    log_file = "centerFace.log"

    dtype = "float32"

    # 初始化优化器,及优化选项

    tuning_option = {

        "log_filename": log_file,

        "tuner": "xgb",

        # "n_trial": 1,

        "n_trial": 2000,

        "early_stopping": 600,

        "measure_option": autotvm.measure_option(

            builder=autotvm.LocalBuilder(timeout=10),

            runner=autotvm.LocalRunner(number=20, repeat=3, timeout=4, min_repeat_ms=150),

        ),

    }

    print("Extract tasks centerFace...")

    mod, params, = relay_import_from_torch(model.module.cpu(), direct_to_mod_param=True)

    input_shape = [1, 3, 544, 960]

    target = tvm.target.cuda()

    tasks = autotvm.task.extract_from_program(

        mod["main"], target=target, params=params, ops=(relay.op.get("nn.conv2d"),)

    )

    # run tuning tasks

    print("Tuning...")

    tune_tasks(tasks, **tuning_option)

    # compile kernels with history best records

    # 模型搜索完成后,进行耗时统计。

    profile_autvm_centerFace(mod, target, params, input_shape, dtype, log_file)

TVM验证推理时间:

tvm提供了耗时的统计,下面是代码。

def profile_autvm_centerFace(mod, target, params, input_shape, dtype, log_file):

    with autotvm.apply_history_best(log_file):

        print("Compile...")

        with tvm.transform.PassContext(opt_level=3):

            lib = relay.build_module.build(mod, target=target, params=params)

        # load parameters

        dev = tvm.device(str(target), 0)

        module = runtime.GraphModule(lib["default"](dev))

        data_tvm = tvm.nd.array((np.random.uniform(size=input_shape)).astype(dtype))

        module.set_input("input0", data_tvm)

        # evaluate

        print("Evaluate inference time cost...")

        ftimer = module.module.time_evaluator("run", dev, number=1, repeat=100)

        prof_res = np.array(ftimer().results) * 1000  # convert to millisecond

        print(

            "Mean inference time (std dev): %.2f ms (%.2f ms)"

            % (np.mean(prof_res), np.std(prof_res))

        )

        lib.export_library("centerFace_relay.so")

TVM的c++推理接口实践:

上面把python部分的东西都讲完了,得到了一个目标平台编译好的动态库。神经网络的部署不仅仅是推理,还有其它的代码,往往都是一些效率要求很高的场景,一般都使用c++作为目标平台的编码语言。so库得到后,如何推理呢,下面上代码:[主要两部分,完整代码见git 仓库,或者上知识星球获取]

初始化部分:

        DLDevice dev{kDLGPU, 0};

        // for windows , the suffix should be dll

        mod_factory = tvm::runtime::Module::LoadFromFile(lib_path, "so");

        // 通过动态库获取模型实例 gmod

        gmod = mod_factory.GetFunction("default")(dev);

        // 获取函数指针: 设置推理输入

        set_input = gmod.GetFunction("set_input");

        get_output = gmod.GetFunction("get_output");

        run = gmod.GetFunction("run");

        // Use the C++ API

        // 输入输出的内存空间 gpu设备上

        x = tvm::runtime::NDArray::Empty({1, 3, 544, 960}, DLDataType{kDLFloat, 32, 1}, dev);

        heatmap_gpu = tvm::runtime::NDArray::Empty({1, 1, 136, 240}, DLDataType{kDLFloat, 32, 1}, dev);

        scale_gpu = tvm::runtime::NDArray::Empty({1, 2, 136, 240}, DLDataType{kDLFloat, 32, 1}, dev);

        offset_gpu = tvm::runtime::NDArray::Empty({1, 2, 136, 240}, DLDataType{kDLFloat, 32, 1}, dev);

        lms_gpu = tvm::runtime::NDArray::Empty({1, 10, 136, 240}, DLDataType{kDLFloat, 32, 1}, dev);

推理部分:

值得注意的是: cv::dnn::blobFromImage真是一个好用的函数,构造好 NCHW排列的输入内存块,opencv内置了openmp 加速,在树莓派,各种手机上这个函数也很好用。

 

            int h = frame.rows;

            int w = frame.cols;

            float img_h_new = int(ceil(h / 32) * 32);

            float img_w_new = int(ceil(w / 32) * 32);

            float scale_h = img_h_new / float(h);

            float scale_w = img_w_new / float(w);

            cv::Mat input_tensor = cv::dnn::blobFromImage(frame, 1.0, cv::Size(img_w_new, img_h_new),

                                                          cv::Scalar(0, 0, 0),

                                                          true,

                                                          false, CV_32F);

            x.CopyFromBytes(input_tensor.data, 1 * 3 * 544 * 960 * sizeof(float));

 

            set_input("input0", x);

            timeval t0, t1;

            gettimeofday(&t0, NULL);

            run();

            gettimeofday(&t1, NULL);

            printf("inference cost: %f \n", t1.tv_sec - t0.tv_sec + (t1.tv_usec - t0.tv_usec) / 1000000.);

            get_output(0, heatmap_gpu);

            get_output(1, scale_gpu);

            get_output(2, offset_gpu);

            get_output(3, lms_gpu);

            tvm::runtime::NDArray heatmap_cpu = heatmap_gpu.CopyTo(DLDevice{kDLCPU, 0});

            tvm::runtime::NDArray scale_cpu = scale_gpu.CopyTo(DLDevice{kDLCPU, 0});

            tvm::runtime::NDArray offset_cpu = offset_gpu.CopyTo(DLDevice{kDLCPU, 0});

            tvm::runtime::NDArray lms_cpu = lms_gpu.CopyTo(DLDevice{kDLCPU, 0});

 

TVM部署树莓派卷积神经网络

介绍如果将神经网络使用TVM编译,导出动态链接库文件,最后部署在树莓派端(PC端),并且运行起来。

 

环境搭建

需要安装LLVM,主要运行环境是CPU(树莓派的GPU暂时不用,内存有点小),所以LLVM是必须的。

安装交叉编译器:

Cross Compiler

交叉编译器是什么,就是可以在PC平台上编译生成,可以直接在树莓派上运行的可执行文件。在TVM中,需要利用交叉编译器在PC端编译模型并且优化,然后生成适用于树莓派(arm构架)使用的动态链接库。

有这个动态链接库,就可以直接调用树莓派端的TVM运行时环境,调用这个动态链接库,从而执行神经网络的前向操作了。

那么怎么安装呢?需要安装叫做/usr/bin/arm-linux-gnueabihf-g++的交叉编译器,在Ubuntu系统中,直接sudo apt-get install g++-arm-linux-gnueabihf即可,注意名称不能错,需要的是hf(Hard-float)版本。

安装完后,执行/usr/bin/arm-linux-gnueabihf-g++ -v命令,就可以看到输出信息:

prototype@prototype-X299-UD4-Pro:~/$ /usr/bin/arm-linux-gnueabihf-g++ -v

Using built-in specs.

COLLECT_GCC=/usr/bin/arm-linux-gnueabihf-g++

COLLECT_LTO_WRAPPER=/usr/lib/gcc-cross/arm-linux-gnueabihf/5/lto-wrapper

Target: arm-linux-gnueabihf

Configured with: ../src/configure -v --with-pkgversion='Ubuntu/Linaro 5.4.0-6ubuntu1~16.04.9' --with-bugurl=file:///usr/share/doc/gcc-5/README.Bugs --enable-languages=c,ada,c++,java,go,d,fortran,objc,obj-c++ --prefix=/usr --program-suffix=-5 --enable-shared --enable-linker-build-id --libexecdir=/usr/lib --without-included-gettext --enable-threads=posix --libdir=/usr/lib --enable-nls --with-sysroot=/ --enable-clocale=gnu --enable-libstdcxx-debug --enable-libstdcxx-time=yes --with-default-libstdcxx-abi=new --enable-gnu-unique-object --disable-libitm --disable-libquadmath --enable-plugin --with-system-zlib --disable-browser-plugin --enable-java-awt=gtk --enable-gtk-cairo --with-java-home=/usr/lib/jvm/java-1.5.0-gcj-5-armhf-cross/jre --enable-java-home --with-jvm-root-dir=/usr/lib/jvm/java-1.5.0-gcj-5-armhf-cross --with-jvm-jar-dir=/usr/lib/jvm-exports/java-1.5.0-gcj-5-armhf-cross --with-arch-directory=arm --with-ecj-jar=/usr/share/java/eclipse-ecj.jar --disable-libgcj --enable-objc-gc --enable-multiarch --enable-multilib --disable-sjlj-exceptions --with-arch=armv7-a --with-fpu=vfpv3-d16 --with-float=hard --with-mode=thumb --disable-werror --enable-multilib --enable-checking=release --build=x86_64-linux-gnu --host=x86_64-linux-gnu --target=arm-linux-gnueabihf --program-prefix=arm-linux-gnueabihf- --includedir=/usr/arm-linux-gnueabihf/include

Thread model: posix

gcc version 5.4.0 20160609 (Ubuntu/Linaro 5.4.0-6ubuntu1~16.04.9)

树莓派环境搭建

因为是在PC端利用TVM编译神经网络的,在树莓派端只需要编译TVM的运行时环境即可(TVM可以分为两个部分,一部分为编译时,另一个为运行时,两者可以拆开)。

这里附上官方的命令,注意树莓派端也需要安装llvm,树莓派端的llvm可以在llvm官方找到已经编译好的压缩包,解压后添加环境变量即可:

 

git clone --recursive https://github.com/dmlc/tvm

cd tvm

mkdir build

cp cmake/config.cmake build   # 这里修改config.cmake使其支持llvm

cd build

cmake ..

make runtime

在树莓派上编译TVM的运行时,不需要花很久的时间。

完成部署

在PC端利用TVM部署C++模型

如何利用TVM的C++端去部署,官方也有比较详细的文档,这里利用TVM和OpenCV读取一张图片,使用之前导出的动态链接库,运行神经网络对这张图片进行推断。

需要的头文件为:

#include <cstdio>

#include <dlpack/dlpack.h>

#include <opencv4/opencv2/opencv.hpp>

#include <tvm/runtime/module.h>

#include <tvm/runtime/registry.h>

#include <tvm/runtime/packed_func.h>

#include <fstream>

其实这里只需要TVM的运行时,另外dlpack是存放张量的一个结构。其中OpenCV用于读取图片,而fstream用于读取json和参数信息:

tvm::runtime::Module mod_dylib =

    tvm::runtime::Module::LoadFromFile("../files/mobilenet.so");

std::ifstream json_in("../files/mobilenet.json", std::ios::in);

std::string json_data((std::istreambuf_iterator<char>(json_in)), std::istreambuf_iterator<char>());

json_in.close();

// parameters in binary

std::ifstream params_in("../files/mobilenet.params", std::ios::binary);

std::string params_data((std::istreambuf_iterator<char>(params_in)), std::istreambuf_iterator<char>());

params_in.close();

TVMByteArray params_arr;

params_arr.data = params_data.c_str();

params_arr.size = params_data.length();

在读取完信息后,要利用之前读取的信息,构建TVM中的运行图(Graph_runtime):

int dtype_code = kDLFloat;

int dtype_bits = 32;

int dtype_lanes = 1;

int device_type = kDLCPU;

int device_id = 0;

tvm::runtime::Module mod = (*tvm::runtime::Registry::Get("tvm.graph_runtime.create"))

        (json_data, mod_dylib, device_type, device_id);

然后利用TVM中函数建立一个输入的张量类型,分配空间:

DLTensor *x;

int in_ndim = 4;

int64_t in_shape[4] = {1, 3, 128, 128};

TVMArrayAlloc(in_shape, in_ndim, dtype_code, dtype_bits, dtype_lanes, device_type, device_id, &x);

其中DLTensor是个灵活的结构,可以包容各种类型的张量,在创建了这个张量后,需要将OpenCV中读取的图像信息传入到这个张量结构中:

// 这里依然读取了papar.png这张图

image = cv::imread("/home/prototype/CLionProjects/tvm-cpp/data/paper.png");

cv::cvtColor(image, frame, cv::COLOR_BGR2RGB);

cv::resize(frame, input,  cv::Size(128,128));

float data[128 * 128 * 3];

// 在这个函数中 将OpenCV中的图像数据转化为CHW的形式

Mat_to_CHW(data, input);

需要注意,因为OpenCV中的图像数据的保存顺序是(128,128,3),所以这里需要调整过来,其中Mat_to_CHW函数的具体内容是:

void Mat_to_CHW(float *data, cv::Mat &frame)

{

    assert(data && !frame.empty());

    unsigned int volChl = 128 * 128;

 

    for(int c = 0; c < 3; ++c)

    {

        for (unsigned j = 0; j < volChl; ++j)

            data[c*volChl + j] = static_cast<float>(float(frame.data[j * 3 + c]) / 255.0);

    }

 

}

当然别忘了除以255.0因为在Pytorch中所有的权重信息的范围都是0-1。

在将OpenCV中的图像数据转化后,将转化后的图像数据拷贝到之前的张量类型中:

// x为之前的张量类型 data为之前开辟的浮点型空间

memcpy(x->data, &data, 3 * 128 * 128 * sizeof(float));

然后设置运行图的输入(x)和输出(y):

// get the function from the module(set input data)

tvm::runtime::PackedFunc set_input = mod.GetFunction("set_input");

set_input("0", x);

// get the function from the module(load patameters)

tvm::runtime::PackedFunc load_params = mod.GetFunction("load_params");

load_params(params_arr);

DLTensor* y;

int out_ndim = 2;

int64_t out_shape[2] = {1, 3,};

TVMArrayAlloc(out_shape, out_ndim, dtype_code, dtype_bits, dtype_lanes, device_type, device_id, &y);

// get the function from the module(run it)

tvm::runtime::PackedFunc run = mod.GetFunction("run");

// get the function from the module(get output data)

tvm::runtime::PackedFunc get_output = mod.GetFunction("get_output");

此刻就可以运行了:

run();

get_output(0, y);

// 将输出的信息打印出来

auto result = static_cast<float*>(y->data);

for (int i = 0; i < 3; i++)

    cout<<result[i]<<endl;

最后的输出信息是

13.8204

-7.31387

-6.8253

可以看到,成功识别出了布这张图片,到底为止在C++端的部署就完毕了。

在树莓派上的部署

在树莓派上的部署其实也是很简单的,与上述步骤中不同的地方是需要设置target为树莓派专用:

target = tvm.target.arm_cpu('rasp3b')

点进去其实可以发现rasp3b对应着-target=armv7l-linux-gnueabihf:

trans_table = {

    "pixel2":    ["-model=snapdragon835", "-target=arm64-linux-android -mattr=+neon"],

    "mate10":    ["-model=kirin970", "-target=arm64-linux-android -mattr=+neon"],

    "mate10pro": ["-model=kirin970", "-target=arm64-linux-android -mattr=+neon"],

    "p20":       ["-model=kirin970", "-target=arm64-linux-android -mattr=+neon"],

    "p20pro":    ["-model=kirin970", "-target=arm64-linux-android -mattr=+neon"],

    "rasp3b":    ["-model=bcm2837", "-target=armv7l-linux-gnueabihf -mattr=+neon"],

    "rk3399":    ["-model=rk3399", "-target=aarch64-linux-gnu -mattr=+neon"],

    "pynq":      ["-model=pynq", "-target=armv7a-linux-eabi -mattr=+neon"],

    "ultra96":   ["-model=ultra96", "-target=aarch64-linux-gnu -mattr=+neon"],

}

还有一点改动的是,在导出.so的时候需要加入cc="/usr/bin/arm-linux-gnueabihf-g++",此时的/usr/bin/arm-linux-gnueabihf-g++为之前下载的交叉编译器。

path_lib = '../tvm/deploy_lib.so'

lib.export_library(path_lib, cc="/usr/bin/arm-linux-gnueabihf-g++")

可以导出来树莓派需要的几个文件,将这几个文件移到树莓派中,随后利用上面说到的C++部署代码去部署就可以了。

 

 

参考链接:

https://blog.csdn.net/weixin_33514140/article/details/112775067

https://blog.csdn.net/m0_62789066/article/details/120855166t/m0_62789066/article/details/120855166

github代码仓:https://github.com/leoluopy/autotvm_tutorial 

这篇关于TVM优化c++部署实践的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!