使用 Qualcomm Neural Processing Engine SDK 移植模型
模型转换
来自 PyTorch、ONNX、TensorFlow 或 TFLite 的预训练浮点、32 位精度模型作为输入,提供给 SNPE 转换器工具(snpe-<framework>-to-dlc),以将模型转换为特定于 Qualcomm 的模型中间表示,称为深度学习容器(DLC)。除了来自源框架的输入模型外,转换器还需要有关输入模型的其他详细信息,例如输入节点名称、其对应的输入维度以及任何输出张量名称(对于具有多个输出的模型)。有关所有可配置参数,请参阅转换器,或通过运行以下命令查看命令行帮助:输出:如果您的工作环境中没有 yaml 包,请使用以下命令安装: 以下示例使用从 ONNX Model Zoo 下载的 ONNX 模型(inception_v3_opset16.onnx)。将模型下载为 inception_v3.onnx 到您的工作区。在此示例中,我们将模型下载到 ~/models 目录。运行以下命令以生成 inception_v3.dlc 模型。模型量化
要在 Hexagon Tensor Processor(HTP)上运行模型,转换后的 DLC 必须进行量化。SNPE 提供了一个工具(snpe-dlc-quant),使用其自身的量化算法将 DLC 模型量化为 INT8/INT16 DLC。有关 SNPE 量化的更多信息,请参阅量化模型。SNPE 中的量化过程需要两个步骤:
-
量化模型内的权重和偏置。
权重和偏置的量化是一个静态步骤,即无需用户提供额外的输入数据。
-
量化激活层(或没有权重的层)。
激活层的量化需要来自训练数据集的一组输入图像作为校准数据。这些校准数据集图像作为
.raw 格式的预处理图像文件列表输入。这些输入 .raw 文件的文件大小必须与模型的输入大小匹配。
snpe-dlc-quant 的输入是转换后的 DLC 模型和一个包含校准数据集图像路径的纯文本文件。此输入列表包含以 .raw 格式保存为 NumPy 数组的预处理图像的路径。预处理图像的大小必须与模型的输入分辨率匹配。snpe-dlc-quant 工具的输出是量化后的 DLC。使用 Netron 图形可视化工具来识别模型的输入/输出层维度。 出于演示目的,我们可以使用随机输入文件评估量化过程。可以使用下面显示的简单 Python 脚本为 inception_v3.onnx 模型生成输入文件。将脚本另存为 generate_random_input.py,保存在工作区 ~/models/ 目录中,并在主机上使用 python ~/models/generate_random_input.py 运行。以下示例 Python 代码创建一个 input_list,其中包含用于量化模型的校准数据集图像的路径。上述脚本会生成 10 个示例输入文件,保存在 /tmp/RandomInputsForInceptionV3/ 目录中,并生成一个 input_list.txt 文件,其中包含每个生成样本的路径。现在,snpe-dlc-quant 工具所需的所有输入均已就绪,可以对模型进行量化。这会生成一个量化后的 inception_v3 DLC 模型(inception_v3_quantized.dlc)。默认情况下,模型会被量化为 INT8 位宽。通过向 snpe-dlc-quant 工具指定 --act_bitwidth 16 和/或 --weights_bitwidth 16 选项,可以自定义为使用 16 位而不是默认的 INT8。请参阅 snpe-dlc-quant 工具文档,或运行 snpe-dlc-quant --help 以查看所有可用的自定义选项,包括量化模式、优化等。模型优化
量化后的模型 DLC 需要一个图准备步骤,以针对 HTP 上的执行进行优化。为准备模型 DLC 以在 HTP 上执行,SNPE 提供了一个 snpe-dlc-graph-prepare 工具,它以量化模型和硬件特定详细信息(例如芯片组)作为输入。针对 HTP 等硬件的优化取决于芯片组上存在的 HTP 特定版本。为确保对执行图应用正确的优化集,以最佳方式利用 HTP,向 snpe-dlc-graph-prepare 工具提供正确的芯片组 ID 非常重要。
根据 HTP 版本和芯片组 ID,该工具会创建一个缓存,其中包含在 HTP 硬件上执行模型 DLC 的执行策略。如果没有此步骤,由于 SNPE 运行时必须动态创建执行策略,网络初始化时会有额外的开销。HTP 缓存信息
完成 snpe-dlc-graph-prepare 步骤后,HTP 缓存记录将添加到 DLC 中。可以使用 snpe-dlc-info 工具查看此缓存信息。使用 AI Engine Direct 移植模型
模型转换和量化
来自 PyTorch、ONNX、TensorFlow 或 TFLite 的预训练 FP32 模型作为输入,提供给 QNN 转换器工具(qnn-<framework>-converter),以将其转换为可读性高的 C++ 图形式的 QNN 图表示。在 HTP 上加速模型时,必须对模型进行量化。模型量化可以在转换的同一步骤中完成。必须提供校准数据集,以执行此静态量化步骤。要在转换的同时启用量化,请使用 --input_list INPUT_LIST 选项进行静态量化。有关更多信息,请参阅量化支持。以下示例使用从 ONNX Model Zoo 下载的 ONNX 模型(inception_v3_opset16.onnx)。将模型下载为 inception_v3.onnx 到您的工作区。在此示例中,模型下载到 ~/models 目录。模型转换:CPU 后端
要转换模型以在 x86/基于 Arm 的 CPU 上运行,请运行以下命令以生成 inception_v3.cpp 和 inception_v3.bin。inception_v3.cpp 文件包含转换后模型的高层图表示。inception_v3.bin 文件包含模型的权重/偏置。模型转换和量化:HTP 后端
要在 HTP 上运行模型,需要进行量化步骤。对于 AI Engine Direct(QNN)SDK 中的量化,需要将来自训练数据集的 50 至 200 张具有代表性的图像作为校准数据集提供给 QNN 转换器。校准数据集中的图像已经过预处理(调整大小、归一化等),并以 .raw 格式保存为 NumPy 数组。这些输入 .raw 文件的大小必须与模型的输入大小匹配。使用 Netron 图形可视化工具来识别模型的输入/输出层维度。
出于演示目的,您可以使用随机输入文件评估量化过程。可以使用下面显示的 Python 脚本为 inception_v3.onnx 模型生成输入文件。将脚本另存为 generate_random_input.py,保存在 ~/models/ 目录中,并使用 python ~/models/generate_random_input.py 运行。以下 Python 代码创建一个 input_list,其中包含用于量化模型的校准数据集。运行以下命令以进行转换和量化。默认情况下,模型会被量化为 INT8 位宽。您可以指定 --act_bitwidth 16 和/或 --weights_bitwidth 16 以使用 INT16 量化。这会在 ~/models/ 目录中生成 inception_v3_quantized.cpp 和 inception_v3_quantized.bin 文件。请参阅 qnn-<framework>-converter 或运行 qnn-<framework>-converter --help 以查看量化的所有可用自定义选项,包括量化模式、优化等。模型编译
转换/量化步骤完成后,使用 qnn-model-lib-generator 将生成的 C++ 图编译为共享对象(.so),使应用程序能够动态加载模型以执行推理。对于 x86,使用 Clang 编译器工具链将 C++ 图编译为 .so 库。对于嵌入式 Linux 设备(例如 Qualcomm Dragonwing™ RB3 Gen 2 和 IQ-9075),必须使用相应的编译器工具链(aarch64-oe-linux-gcc11.2)。编译模型以在 x86 上运行
-
安装 GCC 版本 12 的 GNU 标准 C++ 库开发包。
此包包含编译和链接 C++ 程序所需的标准库头文件(如
<limits>、<vector> 和 <string>)、静态库和支持文件。
-
生成一个共享对象模型,以在基于 x86 的 Linux 计算机上运行。
这会使用 Clang-14 编译器工具链将 C++ 图编译为与 x86 主机兼容的 QNN 模型
.so,从而生成 inception_v3.so。
编译模型以在目标设备上运行
在为设备端执行(aarch64 架构)编译模型时,重要的是使用正确的交叉编译器工具链,以确保编译后的共享对象(.so)与设备操作系统兼容。以下步骤将安装编译模型 cpp 文件到 .so 库所需的交叉编译器工具链。安装相应交叉编译器工具链的说明可在下载并安装 Platform SDK 下找到。在安装 Platform SDK 并在新的命令行终端中设置交叉编译器环境之后。
-
检查环境是否已正确设置。
如果上述环境变量未填充,请在新的命令行终端中重复步骤 1。
-
设置 QAIRT 环境。
编译模型以在基于 Arm 的 CPU 上运行
交叉编译器设置好后,使用以下命令在 ~/model/libs/aarch64-oe-linux-gcc11.2 中生成 libinception_v3.so。通过命令行参数将此位置提供给 qnn-model-lib-generator 工具。此处使用的编译器工具链是 aarch64-oe-linux-gcc11.2。
编译模型以在 HTP 上运行
要在 HTP 上运行模型,以下命令会在 ~/models/libs/aarch64-oe-linux-gcc11.2 中生成 libinception_v3_quantized.so。此处使用的编译器工具链是 aarch64-oe-linux-gcc11.2。