Delegado de GPU de TensorFlow Lite

TensorFlow Lite admite varios aceleradores de hardware. Este documento describe cómo usar el backend de GPU con las API delegadas de TensorFlow Lite en Android e iOS.

Las GPU están diseñadas para tener un alto rendimiento para cargas de trabajo masivamente paralelizables. Por lo tanto, son adecuados para redes neuronales profundas, que consisten en una gran cantidad de operadores, cada uno de los cuales trabaja en algunos tensores de entrada que se pueden dividir fácilmente en cargas de trabajo más pequeñas y llevarse a cabo en paralelo, lo que generalmente resulta en una latencia más baja. En el mejor de los casos, la inferencia en la GPU ahora puede ejecutarse lo suficientemente rápido para aplicaciones en tiempo real que antes no estaban disponibles.

A diferencia de las CPU, las GPU calculan con números de punto flotante de 16 o 32 bits y no requieren cuantificación para un rendimiento óptimo. El delegado acepta modelos cuantificados de 8 bits, pero el cálculo se realizará en números de coma flotante. Consulte la documentación avanzada para obtener más detalles.

Otro beneficio con la inferencia de GPU es su eficiencia energética. Las GPU realizan los cálculos de manera muy eficiente y optimizada, por lo que consumen menos energía y generan menos calor que cuando la misma tarea se ejecuta en las CPU.

Tutoriales de aplicaciones de demostración

La forma más fácil de probar el delegado de GPU es seguir los tutoriales a continuación, que tratan sobre la creación de nuestras aplicaciones de demostración de clasificación con compatibilidad con GPU. El código GPU es solo binario por ahora; pronto será de código abierto. Una vez que comprenda cómo hacer que nuestras demostraciones funcionen, puede probar esto en sus propios modelos personalizados.

Android (con Android Studio)

Para obtener un tutorial paso a paso, vea el video GPU Delegate para Android .

Paso 1. Clone el código fuente de TensorFlow y ábralo en Android Studio

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

Paso 2. Edite app/build.gradle para usar el GPU AAR nocturno

Agregue el tensorflow-lite-gpu junto con el paquete tensorflow-lite existente en el bloque de dependencies existente.

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

Paso 3. Compilación y ejecución

Ejecutar → Ejecutar 'aplicación'. Cuando ejecute la aplicación, verá un botón para habilitar la GPU. Cambie de modelo cuantificado a flotante y luego haga clic en GPU para ejecutar en la GPU.

ejecutando la demostración de gpu de Android y cambie a gpu

iOS (con XCode)

Para ver un tutorial paso a paso, vea el video GPU Delegate para iOS .

Paso 1. Obtenga el código fuente de la demostración y asegúrese de que se compile.

Siga nuestro tutorial de la aplicación de demostración de iOS. Esto lo llevará a un punto en el que la demostración de la cámara iOS sin modificar está funcionando en su teléfono.

Paso 2. Modifique el Podfile para usar la GPU CocoaPod de TensorFlow Lite

A partir de la versión 2.3.0, de forma predeterminada, el delegado de GPU se excluye del pod para reducir el tamaño binario. Puede incluirlos especificando subspec. Para TensorFlowLiteSwift :

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

O

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

Puede hacer lo mismo con TensorFlowLiteObjC o TensorFlowLitC si desea usar Objective-C (desde la versión 2.4.0) o C API.

Antes del lanzamiento de 2.3.0

Hasta TensorFlow Lite 2.0.0

Hemos creado un CocoaPod binario que incluye el delegado de GPU. Para cambiar el proyecto para usarlo, modifique el archivo `tensorflow/tensorflow/lite/examples/ios/camera/Podfile` para usar el pod `TensorFlowLiteGpuExperimental` en lugar de `TensorFlowLite`.


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

Hasta TensorFlow Lite 2.2.0

Desde TensorFlow Lite 2.1.0 a 2.2.0, el delegado de GPU se incluye en el pod `TensorFlowLiteC`. Puede elegir entre `TensorFlowLiteC` y `TensorFlowLiteSwift` según el idioma.

Paso 3. Habilite el delegado de GPU

Para habilitar el código que usará el delegado de GPU, deberá cambiar TFLITE_USE_GPU_DELEGATE de 0 a 1 en CameraExampleViewController.h .

#define TFLITE_USE_GPU_DELEGATE 1

Paso 4. Compile y ejecute la aplicación de demostración

Después de seguir el paso anterior, debería poder ejecutar la aplicación.

Paso 5. Modo de liberación

Mientras que en el Paso 4 ejecutó en modo de depuración, para obtener un mejor rendimiento, debe cambiar a una compilación de lanzamiento con la configuración de Metal óptima adecuada. En particular, para editar esta configuración, vaya a Product > Scheme > Edit Scheme... . Selecciona Run . En la pestaña Info , cambie Build Configuration , de Debug a Release , desmarque Debug executable .

configuración de liberación

Luego haga clic en la pestaña Options y cambie GPU Frame Capture a Disabled y Metal API Validation a Disabled .

configuración de opciones de metal

Por último, asegúrese de seleccionar compilaciones de solo versión en arquitectura de 64 bits. En Project navigator -> tflite_camera_example -> PROJECT -> tflite_camera_example -> Build Settings de compilación, establezca Build Active Architecture Only > Release en Sí.

configuración de opciones de lanzamiento

Probar el delegado de GPU en su propio modelo

Androide

Hay dos formas de invocar la aceleración del modelo dependiendo de si usa Android Studio ML Model Binding o TensorFlow Lite Interpreter.

Intérprete de TensorFlow Lite

Mire la demostración para ver cómo agregar el delegado. En su aplicación, agregue el AAR como se indicó anteriormente, importe el módulo org.tensorflow.lite.gpu.GpuDelegate y use la función addDelegate para registrar el delegado de GPU en el intérprete:

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

Rápido

    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 ...
    }
      

C objetivo

    // 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 (Hasta 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.
```

No proporcionamos una devolución de llamada para este error, ya que no es un verdadero error en tiempo de ejecución, sino algo que el desarrollador puede observar mientras intenta que la red se ejecute en el delegado.

Consejos para la optimización

Optimización para dispositivos móviles

Algunas operaciones que son triviales en la CPU pueden tener un alto costo para la GPU en los dispositivos móviles. Las operaciones de remodelación son particularmente costosas de ejecutar, incluidas BATCH_TO_SPACE , SPACE_TO_BATCH , SPACE_TO_DEPTH , etc. Debe examinar detenidamente el uso de las operaciones de remodelación y considerar que pueden haberse aplicado solo para explorar datos o para las primeras iteraciones de su modelo. Eliminarlos puede mejorar significativamente el rendimiento.

En GPU, los datos de tensor se dividen en 4 canales. Por lo tanto, un cálculo en un tensor de forma [B,H,W,5] funcionará casi igual en un tensor de forma [B,H,W,8] pero significativamente peor que [B,H,W,4] . En ese sentido, si el hardware de la cámara admite cuadros de imagen en RGBA, la alimentación de esa entrada de 4 canales es significativamente más rápida, ya que se puede evitar una copia de memoria (desde RGB de 3 canales a RGBX de 4 canales).

Para obtener el mejor rendimiento, debe considerar volver a entrenar el clasificador con una arquitectura de red optimizada para dispositivos móviles. La optimización para la inferencia en el dispositivo puede reducir drásticamente la latencia y el consumo de energía al aprovechar las características del hardware móvil.

Reducción del tiempo de inicialización con serialización

La función de delegado de GPU le permite cargar desde el código del kernel precompilado y los datos del modelo serializados y guardados en el disco de ejecuciones anteriores. Este enfoque evita la recompilación y reduce el tiempo de inicio hasta en un 90 %. Para obtener instrucciones sobre cómo aplicar la serialización a su proyecto, consulte Serialización de delegados de GPU .