百度端侧推理引擎 Paddle Lite 新增 ARM 端图像预处理库

Posted 2021-04-01 开发者技术前线

Paddle Lite 是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。

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

• NPU的编译支持华为官方最新版HiAI DDK 310

 4.文档

• 新增Pass介绍与注册方法文档：

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

• 补齐了 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/

• 新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：

• Paddle Lite的Github链接：

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

• Paddle Lite的文档链接：

  https://paddlepaddle.github.io/Paddle-Lite/

• Paddle Lite Demo的链接：

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

• 飞桨的Github链接：

  https://github.com/paddlepaddle