Delegat akceleracji GPU z interfejsem API interpretera

Korzystanie z procesorów graficznych (GPU) do uruchamiania modeli uczenia maszynowego (ML) może radykalnie poprawić wydajność i wygodę użytkownika aplikacji obsługujących uczenie maszynowe. Na urządzeniach z Androidem możesz włączyć

delegat i jeden z następujących interfejsów API:

• Interfejs API interpretera — ten przewodnik
• API biblioteki zadań - przewodnik
• Natywne API (C/C++) - przewodnik

Na tej stronie opisano sposób włączania akceleracji GPU dla modeli TensorFlow Lite w aplikacjach systemu Android przy użyciu interfejsu API Interpretera. Aby uzyskać więcej informacji na temat korzystania z pełnomocnika GPU dla TensorFlow Lite, w tym najlepszych praktyk i zaawansowanych technik, zobacz stronę pełnomocników GPU .

Użyj GPU z TensorFlow Lite z usługami Google Play

Interfejs API interpretera TensorFlow Lite zapewnia zestaw interfejsów API ogólnego przeznaczenia do tworzenia aplikacji uczenia maszynowego. W tej sekcji opisano, jak używać delegata akceleratora GPU z tymi interfejsami API z TensorFlow Lite z usługami Google Play.

TensorFlow Lite z usługami Google Play to zalecana ścieżka korzystania z TensorFlow Lite na Androida. Jeśli Twoja aplikacja jest przeznaczona na urządzenia, na których nie działa Google Play, zapoznaj się z sekcją Procesor GPU z interfejsem API interpretera i samodzielnym TensorFlow Lite .

Dodaj zależności projektu

Aby umożliwić dostęp pełnomocnikowi GPU, dodaj com.google.android.gms:play-services-tflite-gpu do pliku build.gradle aplikacji:

dependencies {
    ...
    implementation 'com.google.android.gms:play-services-tflite-java:16.0.1'
    implementation 'com.google.android.gms:play-services-tflite-gpu:16.1.0'
}

Włącz akcelerację GPU

Następnie zainicjuj TensorFlow Lite z usługami Google Play z obsługą GPU:

    val useGpuTask = TfLiteGpu.isGpuDelegateAvailable(context)

    val interpreterTask = useGpuTask.continueWith { useGpuTask ->
      TfLite.initialize(context,
          TfLiteInitializationOptions.builder()
          .setEnableGpuDelegateSupport(useGpuTask.result)
          .build())
      }
      

    Task useGpuTask = TfLiteGpu.isGpuDelegateAvailable(context);

    Task interpreterOptionsTask = useGpuTask.continueWith({ task ->
      TfLite.initialize(context,
      TfLiteInitializationOptions.builder()
        .setEnableGpuDelegateSupport(true)
        .build());
    });
      

Możesz w końcu zainicjować interpreter przekazując GpuDelegateFactory przez InterpreterApi.Options :

    val options = InterpreterApi.Options()
      .setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY)
      .addDelegateFactory(GpuDelegateFactory())

    val interpreter = InterpreterApi(model, options)

    // Run inference
    writeToInput(input)
    interpreter.run(input, output)
    readFromOutput(output)
      

    Options options = InterpreterApi.Options()
      .setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY)
      .addDelegateFactory(new GpuDelegateFactory());

    Interpreter interpreter = new InterpreterApi(model, options);

    // Run inference
    writeToInput(input);
    interpreter.run(input, output);
    readFromOutput(output);
      

Delegat GPU może być również używany z powiązaniem modelu ML w Android Studio. Aby uzyskać więcej informacji, zobacz Generowanie interfejsów modelu przy użyciu metadanych .

Użyj GPU z samodzielnym TensorFlow Lite

Jeśli Twoja aplikacja jest przeznaczona dla urządzeń, na których nie działa Google Play, możliwe jest dołączenie delegata GPU do Twojej aplikacji i używanie go z samodzielną wersją TensorFlow Lite.

Dodaj zależności projektu

Aby umożliwić dostęp do pełnomocnika GPU, dodaj org.tensorflow:tensorflow-lite-gpu-delegate-plugin do pliku build.gradle aplikacji:

dependencies {
    ...
    implementation 'org.tensorflow:tensorflow-lite'
    implementation 'org.tensorflow:tensorflow-lite-gpu-delegate-plugin'
}

Włącz akcelerację GPU

Następnie uruchom TensorFlow Lite na GPU z TfLiteDelegate . W Javie możesz określić GpuDelegate poprzez Interpreter.Options .

      import org.tensorflow.lite.Interpreter
      import org.tensorflow.lite.gpu.CompatibilityList
      import org.tensorflow.lite.gpu.GpuDelegate

      val compatList = CompatibilityList()

      val options = Interpreter.Options().apply{
          if(compatList.isDelegateSupportedOnThisDevice){
              // if the device has a supported GPU, add the GPU delegate
              val delegateOptions = compatList.bestOptionsForThisDevice
              this.addDelegate(GpuDelegate(delegateOptions))
          } else {
              // if the GPU is not supported, run on 4 threads
              this.setNumThreads(4)
          }
      }

      val interpreter = Interpreter(model, options)

      // Run inference
      writeToInput(input)
      interpreter.run(input, output)
      readFromOutput(output)
      

      import org.tensorflow.lite.Interpreter;
      import org.tensorflow.lite.gpu.CompatibilityList;
      import org.tensorflow.lite.gpu.GpuDelegate;

      // Initialize interpreter with GPU delegate
      Interpreter.Options options = new Interpreter.Options();
      CompatibilityList compatList = CompatibilityList();

      if(compatList.isDelegateSupportedOnThisDevice()){
          // if the device has a supported GPU, add the GPU delegate
          GpuDelegate.Options delegateOptions = compatList.getBestOptionsForThisDevice();
          GpuDelegate gpuDelegate = new GpuDelegate(delegateOptions);
          options.addDelegate(gpuDelegate);
      } else {
          // if the GPU is not supported, run on 4 threads
          options.setNumThreads(4);
      }

      Interpreter interpreter = new Interpreter(model, options);

      // Run inference
      writeToInput(input);
      interpreter.run(input, output);
      readFromOutput(output);
      

Modele skwantowane

Biblioteki delegatów GPU systemu Android domyślnie obsługują modele skwantyzowane. Nie trzeba wprowadzać żadnych zmian w kodzie, aby używać skwantyzowanych modeli z delegatem procesora GPU. W poniższej sekcji wyjaśniono, jak wyłączyć obsługę kwantyzacji do celów testowych lub eksperymentalnych.

Wyłącz obsługę modelu skwantyzowanego

Poniższy kod pokazuje, jak wyłączyć obsługę modeli skwantyzowanych.

GpuDelegate delegate = new GpuDelegate(new GpuDelegate.Options().setQuantizedModelsAllowed(false));

Interpreter.Options options = (new Interpreter.Options()).addDelegate(delegate);
      

Aby uzyskać więcej informacji na temat uruchamiania skwantyzowanych modeli z przyspieszeniem GPU, zobacz Omówienie pełnomocnika GPU .