Paddle Lite新增ARM端图像预处理库

原创
2020/03/10 14:57
阅读数 1.2K

 

Paddle Lite飞桨的端侧推理引擎,具有高性能、多硬件、轻量级的特点,它支持飞桨/TensorFlow/Caffe/ONNX等模型在ARM CPU, Mali GPU, Adreno GPU, Huawei NPU 等多种硬件上的推理部署,性能达到业内领先。

下载安装命令

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

目前Paddle Lite保持快速的迭代优化升级,距离正式版2.0.0发布仅一个月,Paddle Lite又一次发布了2.1.0版本。

 

Paddle Lite的Github链接:

https://github.com/PaddlePaddle/Paddle-Lite

 

01

Paddle Lite v2.1.0的重点功能

 

1.新增ARM端图像预处理库,用于图像预处理,它可以

 

  • 支持多种颜色空间转换,如NV12_To_RGB、GRAR_To_RGB等

  • 支持多种图像预处理操作,如图像旋转、翻转等

  • 支持图像数据到Tensor的转换,如RGB_To_NCHW(Tensor)等

  • 相关功能性能优于OpenCV。对1920x 1080的BGR图像,做如下操作:

o   Resize:1920x 1080 --540x960

o   Rotate:1920x 1080 旋转90度

o   Flip:沿xy轴对角线翻转

 

与OpenCV在ARM v7 4线程下的性能对比数据如下图所示:

 

2.新增按模型集合裁剪预测库的功能。开发者可以通过该功能只保留给定多个模型线上预测所需要的op和kernel,从而压缩预测库体积。

 

3.优化报错信息,在Android中支持原生系统报错。

 

 

02

Paddle Lite v2.1.0更多新特性一览

 

1.基础功能升级

 

a.新增op

 

  • x86 tanh, gelu

  • x86 stack

b.op升级,与飞桨 v1.6对齐

 

  • reshape支持输入用std::vector<Tensor<int32>>描述shape信息

  • slice支持starts、ends用Tensor、TensorList描述

  • lookup_table 去除最后一维必须为1的限制,保留原op,新增op为lookup_table_v2

  • resize_bilinear和resize_nearest,增加用TensorList和Tensor描述resize的shape信息

c.新增模型

  • x86增加MobileNetV1, MobileNetV2支持


d.API对齐

Python、Java、C++三种 API核心接口对齐:

  • MobileConfig模式下,Python , Java,C++接口完整对齐,适用于移动端的轻量级部署场景 

  • CxxConfig 模式下,Python,C++接口完整对齐,适用于非轻量级部署场景

 

e.升级量化模型支持

  • 支持飞桨训练后量化方法产出的量化模型,比如MobileNetV1、 MobileNetV2、ReseNt50

  • 支持飞桨量化训练方法产出权重量化方式为channel_wise_abs_max的量化模型

 

f.预测库整理

 

重新整理核心库包含的(basic) op&kernel,使基础预测库(build_extra=OFF)支持CV类9个经典模型(包括飞桨原生模型和对应的 X2Paddle第三方转化模型)和3个量化模型,且tiny_publish下预测动态库体积不变。支持模型如下:

 

  • 9个经典模型及其飞桨转化模型:MobileNetV1、MobileNetV2、MnasNet、ResNet50、YOLOv3、SSD_MobileNetV1、 U-Net、SqueezeNet_v1.1、ShuffleNet_v2

     

  • 3个int8量化模型:MobileNetV1、MobileNetV2、ResNet50

 

2.性能优化

 

主流模型的性能优化持续迭代。以MobileNetV1为例,性能保持领先,如下图所示:

 

 

改进ARM CPU conv3x3实现方式,ResNet、SqueezeNet等模型性能提升。ResNet50性能如下图所示:

 

 

3.编译

  • X86与CUDA编译时第三方库下载加速 (X86编译相关的第三方库Eigen、MKLML、xxHash改为从百度云地址下载,加速编译过程)

  • NPU的编译支持华为官方最新版HiAI DDK 310

 

 4.文档

  • 增Pass介绍与注册方法文档:

    https://paddlepaddle.github.io/Paddle-Lite/v2.1.0/add_new_pass/

  • 齐了 Cxx API文档:

    https://paddlepaddle.github.io/Paddle-Lite/v2.1.0/cxx_api_doc/

  • 新增CV图像预处理库API接口介绍文档:

    https://paddlepaddle.github.io/Paddle-Lite/v2.1.0/cv/

  • 增部署训练后量化模型的使用示例文档:

    https://paddlepaddle.github.io/Paddle-Lite/v2.1.0/model_quantization/#%E8%AE%AD%E7%BB%83%E5%90%8E%E9%87%8F%E5%8C%96

 

5.Bug修复

 

修补了一些上个版本中存在的Bug。 

 

如果您想了解更多关于Paddle Lite的相关内容,请参阅以下文档:

 

如果使用过程中遇到任何问题,大家可通过Paddle Lite官方QQ群与开发人员进行技术交流及问题反馈,群号:696965088

下载安装命令

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

>> 访问 PaddlePaddle 官网,了解更多相关内容  

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
0 评论
0 收藏
0
分享
返回顶部
顶部