点击蓝字
关注我们,让开发变得更有趣
作者 | 卢畅 英特尔 OpenVINO™ 工具套件领航者联盟成员,PPDE
排版 | 李擎
OpenVINO™..♩~ ♫. ♪..
前言
我是飞桨黑客马拉松第五期 OpenVINO™ 赛题获奖者——为 OpenVINO™ 添加了对 Paddle 2.5 的支持。在此记录下来贡献的过程,希望有更多的同学可以参与到 OpenVINO™ 的社区建设当中来。我在贡献代码的过程中,也遇到了一些问题,在此,非常感谢英特尔的技术老师们非常耐心地指导我,帮助我解决了问题!
那么,接下来就让我们正式进入正题!
介绍
1. OpenVINO™ 是什么
OpenVINO™ 是英特尔推出的一款深度学习推理框架,它可以将训练好的模型转换为 OpenVINO™ 支持的 IR 格式,从而可以在 OpenVINO™ 的推理引擎上进行推理。
OpenVINO™ 支持多种深度学习框架,包括 Paddle、TensorFlow、PyTorch 等。
2. 任务说明
在这个任务完成之前,OpenVINO™ 只支持 Paddle 2.4 的版本,由于 Paddle 2.5 的一些接口变动,OpenVINO™ 无法直接支持 Paddle 2.5。同时,由于 Paddle 2.4 版本并不支持 Python3.11,因此 OpenVINO™ 默认关闭了对 Paddle 的支持,需要手动开启,在手动开启后,又会遇到无法编译出 Paddle 相关单侧的问题。
本任务的目标是为 OpenVINO™ 添加对 Paddle 2.5 的支持,并确保 OpenVINO™ 可以正常编译出 Paddle 相关单侧且线上CI均可通过。
开发过程
1. 问题分析
在任务开始之前,OpenVINO™ 开启对 Paddle 的支持后主要会遇到两个问题:
API名称变动导致的编译报错,如:paddle.fluid.layers.elementwise_add -> paddle.add
Op 行为变化导致的输出结果不一致,如:paddle.argmax 新增了 0-d tensor 的支持,但是 OpenVINO™ 中的 Op 并没有对应的修改
针对上面这两个问题,主要的解决方案如下:
将老 API 与新 API 名称映射
修改名称/属性变动的 API
修复因 Op 行为变动导致的单侧报错
2. 将老 API 与新 API 名称映射
由于 Paddle 2.5 版本在 API 层面发生了较大的变化,因此需要将老 API 与新 API 名称进行映射,这样 OpenVINO™ 中的代码就可以使用新 API 名称,从而解决 API 名称变动导致的编译报错问题。该问题可参考 Paddle 官网的 API 映射表(链接:https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/model_convert/convert_from_older_versions/paddle_api_mapping_cn.html#paddle-1-8-paddle-2-0-api)。
为了兼容老版本的 API,OpenVINO™ 中的代码需要同时支持新 API 与老 API,因此需要在 generate_xxx.py 中进行相应修改。
with paddle.static.program_guard(paddle.static.Program(), paddle.static.Program()):
node_x = paddle.static.data(name='x', shape=x.shape, dtype=x.dtype)
node_i = paddle.full(shape=[1], fill_value=0, dtype='int64', name='i')
if paddle.__version__ >= '2.0.0':
node_i = paddle.add(node_i, node_x)
else:
paddle.fluid.layers.nn.elementwise_add(node_i, node_x)
node_ten = paddle.full(shape=[1], fill_value=10, dtype='int64', name='ten')
代码中的 paddle.fluid.layers.nn.elementwise_add 就是老版本的 API,而 paddle.add 就是新版本的 API。
3. 修改名称/属性变动的 API
对于部分 API 接口,老版本与新版本的名称或属性发生了变化,因此需要给 OpenVINO™ 中的代码进行相应的修改。比如 paddle.fluid.layers.relu6(x, threshold=6.0, name=None) 和 paddle.nn.functional.relu6(x, name=None) 的属性发生了变化。
可以看到,paddle.fluid.dygraph.relu6 中的 threshold 属性在新版本中被删除了。
这种情况下需要确认 Python 源码中是否修改底层 C++ 源码,如果是修改了 C++ 源码,那么需要在 OpenVINO™ 的op源码中进行相应的修改。如果没有修改 C++ 源码,那么只需要对应修改 Python 源码即可。
一般情况下,底层 C++ 源码不会修改,Python 层一般是修改属性的名称,修改属性的默认值,删除某个属性等。
比如新版本 relu6 在 Paddle 的 Python 端的实现如下:
def relu6(x, name=None):
threshold = 6.0
if in_dynamic_or_pir_mode():
return _C_ops.relu6(x)
check_variable_and_dtype(
x, 'x', ['float16', 'uint16', 'float32', 'float64'], 'relu6'
)
helper = LayerHelper('relu6', **locals())
out = helper.create_variable_for_type_inference(x.dtype)
helper.append_op(
type='relu6',
inputs={'X': x},
outputs={'Out': out},
attrs={'threshold': threshold},
)
return out
通过实现代码可以看到,新版本的 relu6 在 Python 端并没有修改 C++ 源码,只是删除了 threshold 属性,在调用 C++ 源码时,将 threshold 属性设置为了默认值 6.0。
因此,对于这种情况,只需要修改 OpenVINO™ 中的 Python 单侧代码即可,不需要修改 C++ 源码。OpenVINO™ 在进行模型转化的时候是对底层 op 进行转化,因此只要 Paddle 没有修改底层 Op 的行为,那么 OpenVINO™ 就不需要修改 Op 相关的代码。
4. 修复因 Op 行为变动导致的单侧报错
在 Paddle 2.5 版本中,部分 Op 的行为发生了变化,导致 OpenVINO™ 中的单侧报错。比如 paddle.argmax 新增了 0-d tensor 的支持,但是 OpenVINO™ 中的 Op 并没有对应的修改。想要修复这种问题,需要结合单侧报错的具体情况进行相应的修改。
在介绍如何修复单侧报错之前,先介绍一下 OpenVINO™ 的算子支持机制。
4.1 OpenVINO™ 算子支持机制
接下来我们先看一下 OpenVINO™ 中的算子支持机制。
通过 Paddle 官方提供的 Topk_v2 样例进行说明:
// Copyright (C) 2018-2021 Intel Corporation
// SPDX-License-Identifier: Apache-2.0
namespace ov {
namespace frontend {
namespace paddle {
namespace op {
NamedOutputs top_k_v2(const NodeContext& node) {
auto x = node.get_input("X");
Output<Node> k_expected_node;
if (node.has_input("K")) {
auto k_variable = node.get_input("K");
auto k_var_node = std::make_shared<default_opset::Convert>(k_variable, element::i32);
k_expected_node = std::make_shared<default_opset::Squeeze>(k_var_node);
} else {
const auto k_expected = node.get_attribute<int>("k", 1);
k_expected_node = default_opset::Constant::create(element::i32, {}, {k_expected});
}
auto axis = node.get_attribute<int32_t>("axis", -1);
bool sorted = node.get_attribute<bool>("sorted", true);
bool largest = node.get_attribute<bool>("largest", true);
std::string sort_type = sorted ? "value" : "none";
std::string mode = largest ? "max" : "min";
auto node_topk = std::make_shared<default_opset::TopK>(x, k_expected_node, axis, mode, sort_type);
NamedOutputs named_outputs;
named_outputs["Out"] = OutputVector{node_topk->output(0)};
named_outputs["Indices"] = OutputVector{node_topk->output(1)};
return named_outputs;
}
} // namespace op
} // namespace paddle
} // namespace frontend
} // namespace ov
在 OpenVINO™ 中,一般来说每个算子都是一个单独的文件,比如 Topk_v2 算子对应的文件就是 topk_v2.cpp。在这个文件中,我们可以看到 top_k_v2 函数,这个函数就是 OpenVINO™ 中的 Topk_v2 算子的实现。
在这个函数中,我们可以看到 auto x = node.get_input("X");,这个函数就是获取输入的 Tensor,auto node_topk = std::make_shared(x, k_expected_node, axis, mode, sort_type); 这个函数就是创建 Topk_v2 算子,named_outputs["Out"] = OutputVector{node_topk->output(0)}; 这个函数就是获取输出的 Tensor。
每个Op 都可以映射为一个图结构,数据根据图结构在不同的计算节点之间流通和计算,而Node便定义了图结构中的数据节点,通过实现每一个Node,便可以通过组合实现更多的算子。
Op 转换的代码需要写在 src/frontends/paddle/src/op/ 目录下,并在 src/frontends/paddle/src/op_table.cpp 中进行注册。
单测代码需要写在 src/core/tests/frontend/paddle/test_models/gen_scripts 目录中,并在 src/core/tests/frontend/paddle/op_fuzzy.cpp 中进行注册。
4.2 修复因 Op 行为变动导致的单侧报错
下面以 paddle.argmax 为例,介绍如何修复因 Op 行为变动导致的单侧报错。
修复此类问题一般只能见招拆招,需要结合单侧报错的具体情况进行相应的修改。比如 paddle.argmax 新增了 0-d tensor 的支持,但是 OpenVINO™ 中的 Op 并没有对应的修改。因此,我们需要在 OpenVINO™ 中的 Op 中添加对 0-d tensor 的支持。经过对代码的分析我们可以发现,OpenVINO™ 中该 Op 是通过 std::make_shared(node_reshape, k, axis, "max", "index", index_element_type); 实现的,但是 TopK 并没有对 0-d tensor 进行支持。我们可以判断 output_size 是否为 0,如果为 0,那么就组合一个 Slice 节点返回即可。以下是修改后的代码:
NamedOutputs argmax(const NodeContext& node) {
auto data = node.get_input("X");
bool flatten = node.get_attribute<bool>("flatten");
const element::Type& index_element_type = element::i64;
const Output<ov::Node> k = ov::opset6::Constant::create(ov::element::i64, {}, {1});
if (!flatten) {
auto axis = node.get_attribute<int64_t>("axis");
const auto axis_to_remove = ov::opset6::Constant::create(element::u64, Shape{}, {axis});
auto node_topk = std::make_shared<ov::opset6::TopK>(data, k, axis, "max", "index", index_element_type);
const auto reshaped_indices = std::make_shared<ov::opset6::Squeeze>(node_topk->output(1), axis_to_remove);
return node.default_single_output_mapping(
{std::make_shared<ov::opset6::Convert>(reshaped_indices, element::i64)},
{"Out"});
} else {
int64_t axis = 0;
const Output<ov::Node> reshape_flatten = ov::opset6::Constant::create(ov::element::i64, {1}, {-1});
auto node_reshape = std::make_shared<ov::opset6::Reshape>(data, reshape_flatten, true);
auto node_topk = std::make_shared<ov::opset6::TopK>(node_reshape, k, axis, "max", "index", index_element_type);
const auto output_info = node.get_output_port_infos("Out");
// 获取输出的维度
size_t output_size = output_info[0].second.size();
// 如果输出的维度为0,那么就组合一个Slice节点返回
if (output_size == 0) {
auto out = std::make_shared<ov::opset6::Squeeze>(node_topk->output(1));
return node.default_single_output_mapping({std::make_shared<ov::opset6::Convert>(out, element::i64)},
{"Out"});
} else {
return node.default_single_output_mapping(
{std::make_shared<ov::opset6::Convert>(node_topk->output(1), element::i64)},
{"Out"});
}
}
}
除了 argmax 之外,还有一些 Op 也需要进行相应的修改:
p_norm
reduce_ops
matmul_v2
elementwise_floordiv
具体的修改可以参考 PR (链接:https://github.com/openvinotoolkit/openvino/pull/20161)。
总结
这次的黑客松活动,让我对 OpenVINO™ 有了更深入的了解。
OpenVINO™ 的工程师们非常热心,对于社区的问题都会非常耐心的解答。我也是第一次在 PR 页面有 144 次的 Conversation。
整个 PR 的周期大概是 3 个月,期间经历了很多次的修改,最终才能够被合并。在这次的活动中,我也学到了很多知识,比如 OpenVINO™ 的算子支持机制,Op 的单侧测试等。
希望有更多的同学可以参与到 OpenVINO™ 的社区建设当中来,为 OpenVINO™ 的发展及开源社区的建设贡献自己的力量!
OpenVINO™
--END--
你也许想了解(点击蓝字查看)⬇️
➡️
OpenVINO™ 2023.2 发布:让生成式 AI 在实际场景中更易用
➡️
开发者实战 | 基于 OpenVINO™ 和 LangChain 构建 RAG 问答系统
➡️
开发者实战 | 如何利用低比特量化技术进一步提升大模型推理性能
➡️ 开发者实战 | 介绍OpenVINO™ 2023.1:在边缘端赋能生成式AI
➡️ 基于 ChatGLM2 和 OpenVINO™ 打造中文聊天助手
➡️ 基于 Llama2 和 OpenVINO™ 打造聊天机器人
➡️ OpenVINO™ DevCon 2023重磅回归!英特尔以创新产品激发开发者无限潜能
➡️ 5周年更新 | OpenVINO™ 2023.0,让AI部署和加速更容易
➡️ OpenVINO™5周年重头戏!2023.0版本持续升级AI部署和加速性能
➡️ OpenVINO™2023.0实战 | 在 LabVIEW 中部署 YOLOv8 目标检测模型
➡️ 开发者实战系列资源包来啦!
➡️
以AI作画,祝她节日快乐;简单三步,OpenVINO™ 助你轻松体验AIGC
➡️
还不知道如何用OpenVINO™作画?点击了解教程。
扫描下方二维码立即体验
OpenVINO™ 工具套件 2023.2
本文分享自微信公众号 - OpenVINO 中文社区(openvinodev)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。