Đại biểu GPU TensorFlow Lite

TensorFlow Lite hỗ trợ một số trình tăng tốc phần cứng. Tài liệu này mô tả cách sử dụng phụ trợ GPU bằng API ủy quyền TensorFlow Lite trên Android và iOS.

GPU được thiết kế để có thông lượng cao cho khối lượng công việc có thể song song hóa khối lượng lớn. Do đó, chúng rất phù hợp với mạng nơ-ron sâu, bao gồm một số lượng lớn các toán tử, mỗi toán tử làm việc trên một số tensor đầu vào có thể dễ dàng chia thành các khối lượng công việc nhỏ hơn và thực hiện song song, thường dẫn đến độ trễ thấp hơn. Trong trường hợp tốt nhất, suy luận trên GPU hiện có thể chạy đủ nhanh cho các ứng dụng thời gian thực không khả dụng trước đây.

Không giống như CPU, GPU tính toán với số dấu phẩy động 16 bit hoặc 32 bit và không yêu cầu lượng tử hóa để có hiệu suất tối ưu. Người đại diện chấp nhận các mô hình lượng tử hóa 8-bit, nhưng phép tính sẽ được thực hiện dưới dạng số dấu phẩy động. Tham khảo tài liệu nâng cao để biết chi tiết.

Một lợi ích khác với suy luận của GPU là hiệu quả sử dụng năng lượng của nó. GPU thực hiện các tính toán một cách rất hiệu quả và được tối ưu hóa, do đó chúng tiêu thụ ít năng lượng hơn và tạo ra ít nhiệt hơn so với khi chạy cùng một tác vụ trên CPU.

Hướng dẫn ứng dụng demo

Cách dễ nhất để dùng thử GPU ủy quyền là làm theo các hướng dẫn bên dưới, hướng dẫn này qua việc xây dựng các ứng dụng demo phân loại của chúng tôi với sự hỗ trợ của GPU. Mã GPU hiện chỉ là mã nhị phân; nó sẽ sớm có nguồn mở. Sau khi bạn hiểu cách làm cho các bản trình diễn của chúng tôi hoạt động, bạn có thể thử điều này trên các mô hình tùy chỉnh của riêng bạn.

Android (với Android Studio)

Để có hướng dẫn từng bước, hãy xem video GPU Delegate cho Android .

Bước 1. Sao chép mã nguồn TensorFlow và mở nó trong Android Studio

git clone https://github.com/tensorflow/tensorflow

Bước 2. Chỉnh sửa app/build.gradle để sử dụng GPU AAR hàng đêm

Thêm tensorflow-lite-gpu cùng với gói tensorflow-lite hiện có trong khối dependencies hiện có.

dependencies {
    ...
    implementation 'org.tensorflow:tensorflow-lite:2.3.0'
    implementation 'org.tensorflow:tensorflow-lite-gpu:2.3.0'
}

Bước 3. Xây dựng và chạy

Chạy → Chạy 'ứng dụng'. Khi chạy ứng dụng, bạn sẽ thấy một nút để bật GPU. Thay đổi từ lượng tử hóa thành mô hình float và sau đó nhấp vào GPU để chạy trên GPU.

chạy bản demo gpu android và chuyển sang gpu

iOS (với XCode)

Để có hướng dẫn từng bước, hãy xem video GPU Delegate cho iOS .

Bước 1. Lấy mã nguồn demo và đảm bảo rằng nó đã biên dịch.

Thực hiện theo hướng dẫn ứng dụng iOS Demo của chúng tôi. Điều này sẽ đưa bạn đến điểm mà bản demo camera iOS chưa sửa đổi đang hoạt động trên điện thoại của bạn.

Bước 2. Sửa đổi Podfile để sử dụng TensorFlow Lite GPU CocoaPod

Từ bản phát hành 2.3.0, theo mặc định, đại biểu GPU bị loại trừ khỏi nhóm để giảm kích thước nhị phân. Bạn có thể bao gồm chúng bằng cách chỉ định subspec. Đối với nhóm TensorFlowLiteSwift :

pod 'TensorFlowLiteSwift/Metal', '~> 0.0.1-nightly',

HOẶC

pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['Metal']

Bạn có thể làm tương tự đối với TensorFlowLiteObjC hoặc TensorFlowLitC nếu bạn muốn sử dụng Objective-C (từ bản phát hành 2.4.0) hoặc C API.

Trước khi phát hành 2.3.0

Cho đến khi TensorFlow Lite 2.0.0

Chúng tôi đã xây dựng CocoaPod nhị phân bao gồm đại biểu GPU. Để chuyển dự án sang sử dụng nó, hãy sửa đổi tệp `tensorflow / tensorflow / lite /amples / ios / camera / Podfile` để sử dụng nhóm` TensorFlowLiteGpuExperimental` thay vì `TensorFlowLite`.


    target 'YourProjectName'
      # pod 'TensorFlowLite', '1.12.0'
      pod 'TensorFlowLiteGpuExperimental'
    

Cho đến khi TensorFlow Lite 2.2.0

Từ TensorFlow Lite 2.1.0 đến 2.2.0, đại biểu GPU được bao gồm trong nhóm `TensorFlowLiteC`. Bạn có thể chọn giữa `TensorFlowLiteC` và` TensorFlowLiteSwift` tùy thuộc vào ngôn ngữ.

Bước 3. Bật ủy quyền GPU

Để bật mã sẽ sử dụng đại biểu GPU, bạn sẽ cần thay đổi TFLITE_USE_GPU_DELEGATE từ 0 thành 1 trong CameraExampleViewController.h .

#define TFLITE_USE_GPU_DELEGATE 1

Bước 4. Xây dựng và chạy ứng dụng demo

Sau khi làm theo bước trước, bạn sẽ có thể chạy ứng dụng.

Bước 5. Chế độ phát hành

Trong khi ở Bước 4, bạn đã chạy ở chế độ gỡ lỗi, để có hiệu suất tốt hơn, bạn nên chuyển sang bản phát hành có cài đặt Metal tối ưu thích hợp. Đặc biệt, để chỉnh sửa các cài đặt này, hãy vào Product > Scheme > Edit Scheme... Chọn Run . Trên tab Info , thay đổi Build Configuration , từ Debug thành Release , bỏ chọn Debug executable .

thiết lập bản phát hành

Sau đó nhấp vào tab Options và thay đổi GPU Frame Capture thành DisabledMetal API Validation thành Disabled .

thiết lập các tùy chọn kim loại

Cuối cùng, hãy đảm bảo chọn các bản dựng chỉ Phát hành trên kiến ​​trúc 64-bit. Trong Project navigator -> tflite_camera_example -> PROJECT -> tflite_camera_example -> Build Settings đặt Build Active Architecture Only > Release thành Có.

thiết lập các tùy chọn phát hành

Đang thử ủy quyền GPU trên mô hình của riêng bạn

Android

Có hai cách để gọi tăng tốc mô hình tùy thuộc vào việc bạn đang sử dụng Android Studio ML Model Binding hay TensorFlow Lite Interpreter.

Trình thông dịch TensorFlow Lite

Hãy xem bản trình diễn để biết cách thêm đại biểu. Trong ứng dụng của bạn, hãy thêm AAR như trên, nhập mô-đun org.tensorflow.lite.gpu.GpuDelegate và sử dụng chức năng addDelegate để đăng ký đại biểu GPU cho trình thông dịch:

Kotlin

    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)
      

Java

    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);
      

iOS

Nhanh

    import TensorFlowLite

    // Load model ...

    // Initialize TensorFlow Lite interpreter with the GPU delegate.
    let delegate = MetalDelegate()
    if let interpreter = try Interpreter(modelPath: modelPath,
                                         delegates: [delegate]) {
      // Run inference ...
    }
      

Objective-C

    // Import module when using CocoaPods with module support
    @import TFLTensorFlowLite;

    // Or import following headers manually
    #import "tensorflow/lite/objc/apis/TFLMetalDelegate.h"
    #import "tensorflow/lite/objc/apis/TFLTensorFlowLite.h"

    // Initialize GPU delegate
    TFLMetalDelegate* metalDelegate = [[TFLMetalDelegate alloc] init];

    // Initialize interpreter with model path and GPU delegate
    TFLInterpreterOptions* options = [[TFLInterpreterOptions alloc] init];
    NSError* error = nil;
    TFLInterpreter* interpreter = [[TFLInterpreter alloc]
                                    initWithModelPath:modelPath
                                              options:options
                                            delegates:@[ metalDelegate ]
                                                error:&error];
    if (error != nil) { /* Error handling... */ }

    if (![interpreter allocateTensorsWithError:&error]) { /* Error handling... */ }
    if (error != nil) { /* Error handling... */ }

    // Run inference ...

        ```
          

C (Cho đến 2.3.0)

        #include "tensorflow/lite/c/c_api.h"
        #include "tensorflow/lite/delegates/gpu/metal_delegate.h"

        // Initialize model
        TfLiteModel* model = TfLiteModelCreateFromFile(model_path);

        // Initialize interpreter with GPU delegate
        TfLiteInterpreterOptions* options = TfLiteInterpreterOptionsCreate();
        TfLiteDelegate* delegate = TFLGPUDelegateCreate(nil);  // default config
        TfLiteInterpreterOptionsAddDelegate(options, metal_delegate);
        TfLiteInterpreter* interpreter = TfLiteInterpreterCreate(model, options);
        TfLiteInterpreterOptionsDelete(options);

        TfLiteInterpreterAllocateTensors(interpreter);

        NSMutableData *input_data = [NSMutableData dataWithLength:input_size * sizeof(float)];
        NSMutableData *output_data = [NSMutableData dataWithLength:output_size * sizeof(float)];
        TfLiteTensor* input = TfLiteInterpreterGetInputTensor(interpreter, 0);
        const TfLiteTensor* output = TfLiteInterpreterGetOutputTensor(interpreter, 0);

        // Run inference
        TfLiteTensorCopyFromBuffer(input, inputData.bytes, inputData.length);
        TfLiteInterpreterInvoke(interpreter);
        TfLiteTensorCopyToBuffer(output, outputData.mutableBytes, outputData.length);

        // Clean up
        TfLiteInterpreterDelete(interpreter);
        TFLGpuDelegateDelete(metal_delegate);
        TfLiteModelDelete(model);
          

## Supported Models and Ops

With the release of the GPU delegate, we included a handful of models that can
be run on the backend:

*   [MobileNet v1 (224x224) image classification](https://ai.googleblog.com/2017/06/mobilenets-open-source-models-for.html) [[download]](https://storage.googleapis.com/download.tensorflow.org/models/tflite/gpu/mobilenet_v1_1.0_224.tflite)
    <br /><i>(image classification model designed for mobile and embedded based vision applications)</i>
*   [DeepLab segmentation (257x257)](https://ai.googleblog.com/2018/03/semantic-image-segmentation-with.html) [[download]](https://storage.googleapis.com/download.tensorflow.org/models/tflite/gpu/deeplabv3_257_mv_gpu.tflite)
    <br /><i>(image segmentation model that assigns semantic labels (e.g., dog, cat, car) to every pixel in the input image)</i>
*   [MobileNet SSD object detection](https://ai.googleblog.com/2018/07/accelerated-training-and-inference-with.html) [[download]](https://storage.googleapis.com/download.tensorflow.org/models/tflite/gpu/mobile_ssd_v2_float_coco.tflite)
    <br /><i>(image classification model that detects multiple objects with bounding boxes)</i>
*   [PoseNet for pose estimation](https://github.com/tensorflow/tfjs-models/tree/master/posenet) [[download]](https://storage.googleapis.com/download.tensorflow.org/models/tflite/gpu/multi_person_mobilenet_v1_075_float.tflite)
    <br /><i>(vision model that estimates the poses of a person(s) in image or video)</i>

To see a full list of supported ops, please see the
[advanced documentation](gpu_advanced).

## Non-supported models and ops

If some of the ops are not supported by the GPU delegate, the framework will
only run a part of the graph on the GPU and the remaining part on the CPU. Due
to the high cost of CPU/GPU synchronization, a split execution mode like this
will often result in slower performance than when the whole network is run on
the CPU alone. In this case, the user will get a warning like:

```none
WARNING: op code #42 cannot be handled by this delegate.
```

Chúng tôi đã không cung cấp lệnh gọi lại cho lỗi này, vì đây không phải là lỗi thời gian chạy thực sự mà là lỗi mà nhà phát triển có thể quan sát được khi cố gắng đưa mạng chạy trên ủy quyền.

Mẹo để tối ưu hóa

Tối ưu hóa cho thiết bị di động

Một số hoạt động nhỏ trên CPU có thể có chi phí cao cho GPU trên thiết bị di động. Các hoạt động định hình lại đặc biệt tốn kém để chạy, bao gồm BATCH_TO_SPACE , SPACE_TO_BATCH , SPACE_TO_DEPTH , v.v. Bạn nên kiểm tra chặt chẽ việc sử dụng các hoạt động định hình lại và xem xét điều đó có thể chỉ được áp dụng để khám phá dữ liệu hoặc cho các lần lặp lại đầu tiên của mô hình của bạn. Loại bỏ chúng có thể cải thiện đáng kể hiệu suất.

Trên GPU, dữ liệu tensor được chia thành 4 kênh. Do đó, một phép tính trên tensor của hình [B,H,W,5] sẽ thực hiện tương tự trên tensor của hình [B,H,W,8] nhưng kém hơn đáng kể so với [B,H,W,4] . Theo nghĩa đó, nếu phần cứng máy ảnh hỗ trợ khung hình ảnh trong RGBA, việc cấp đầu vào 4 kênh đó nhanh hơn đáng kể vì có thể tránh được bản sao bộ nhớ (từ RGB 3 kênh sang RGBX 4 kênh).

Để có hiệu suất tốt nhất, bạn nên xem xét đào tạo lại bộ phân loại với kiến ​​trúc mạng được tối ưu hóa cho thiết bị di động. Tối ưu hóa cho hội nghị trên thiết bị có thể giảm đáng kể độ trễ và tiêu thụ điện năng bằng cách tận dụng các tính năng phần cứng di động.

Giảm thời gian khởi tạo với tuần tự hóa

Tính năng ủy quyền GPU cho phép bạn tải từ mã nhân được biên dịch trước và dữ liệu mô hình được tuần tự hóa và lưu trên đĩa từ các lần chạy trước. Cách tiếp cận này tránh biên dịch lại và giảm thời gian khởi động lên đến 90%. Để biết hướng dẫn về cách áp dụng tuần tự hóa cho dự án của bạn, hãy xem Trình tự tuần tự hóa ủy quyền GPU .