骚操作，Node.js接入Paddle Lite，网站也能AI推理

Posted 2021-04-25 OSC开源社区

随着桌面端Electron技术逐步崛起，基于Electron开发的代码编辑器、聊天软件、游戏等层出不穷。

对于习惯使用Node.js进行后端开发的朋友来说，开发一套漂亮的桌面UI客户端还是有一定难度的；而Electron开发不要太简单，只要会写html，就能写客户端，剩下的交给时间慢慢打磨即可。而且，这款开源的技术允许开发者使用javascript、HTML 和 CSS 构建跨平台的桌面应用程序。不同平台UI效果和网页显示效果一致，非常易用。

那么在桌面客户端上面，我们能否帮开发者实现本地部署Paddle Lite进行推理呢？答案是肯定的。Paddle Lite提供C++接口，并且在2.6.0版本中支持了Windows开发环境。这为我们将Paddle Lite封装成Node.js的C++插件提供了可能。如果能够成功移植，开发桌面应用的时候就可以实现在客户端上完成图片分类等任务。同时Paddle Lite提供的模型非常轻量化，常规PC机足以跑出不错的性能。

而且，对于其他Node.js场景来说，比如网站后端，也可以直接使用Paddle Lite进行推理。

于是我做了一个Demo，其本质上是将Paddle Lite的C++ API封装为Paddle Lite类，这个类目前提供了两个方法，分别是set_model_file和infer_float。在此之上，我使用N-API来编写Node.js插件，将其组合起来，允许Node.js调用Paddle Lite的C++ API。

项目效果

1. 下载预编译结果：可以直接在Paddle Node的Release界面下载预编译的结果，包括以下三个文件：

• paddlenode.node ：编译后的Node.js模块
• libiomp5md.dll ：OpenMP DLL
• mklml.dll ：MKL数学核心库

2. 下载并转化预训练模型：从官方开放的模型库中下载mobilenet_v1模型，并使用opt工具（Paddle Lite自带此工具）转换：

1.安装Paddle Lite :

  
    
    
  

   
     
     
   pip install paddlelite
   
     
     
   
  
    
    
  

2. 转化模型：

  
    
    
  

   
     
     
   paddle_lite_opt –model_dir=./mobilenet_v1 –valid_targets=x86 –optimize_out=mobilenetv1_opt
   
     
     
   

  
    
    
  

执行上面步骤后我们可以得到转化后的模型文件：mobilenetv1_opt.nb

3. 在Node.js中进行推理：

  
    
    
  

   
     
     
   var addon = 
   
     
     
   require(
   
     
     
   './paddlenode')
   
     
     
   

   
     
     
   var arr = 
   
     
     
   new 
   
     
     
   Array(
   
     
     
   150528)
   
     
     
   

   
     
     
   for(
   
     
     
   var i=
   
     
     
   0; i<arr.length; i++) arr[i]=
   
     
     
   1;
   
     
     
   
addon.set_model_file(
   
     
     
   "./mobilenetv1_opt.nb")
   
     
     
   
addon.infer_float(arr,[
   
     
     
   1, 
   
     
     
   3, 
   
     
     
   224, 
   
     
     
   224])
   
     
     
   

  
    
    
  

这里我们输入全1的数组进行模拟，set_model_file方法直接对应Paddle Lite中的set_model_from_file，infer_float的第一个参数是我们要传入的数据，第二个是传入数据的尺寸。如果各个元素乘积大小和传入数据的大小不同，将会抛出一个错误。 之后我们会得到一个1001维的数组：

其中0号元素为结果向量的大小，方便进行遍历，其他元素即为模型本身的输出。

手动编译

如果你决定手动编译，首先需要从Paddle Lite的Release中找到x86的预编译结果，目前最新版本是v2.6.1。下载下来之后定位到binding.gyp,将lite_dir变量设定为预编译库

文件夹的绝对路径，示例如下：

  
    
    
  

   
     
     
   {
   
     
     
   
    
   
     
     
   'variables': {
   
     
     
   
        
   
     
     
   'lite_dir%': 
   
     
     
   'C:/Users/Li/Desktop/Exp/inference_lite_lib.win.x86.MSVC.C++_static.py37.full_publish',
   
     
     
   
    },
   
     
     
   
    
   
     
     
   "targets": [
   
     
     
   
        {
   
     
     
   
            
   
     
     
   'target_name': 
   
     
     
   "paddlenode",
   
     
     
   
            
   
     
     
   'sources': [
   
     
     
   "paddlelib.h",
   
     
     
   "paddlelib.cc",
   
     
     
   "paddlenode.cc"],
   
     
     
   
            
   
     
     
   'defines': [
   
     
     
   
            ],
   
     
     
   
            
   
     
     
   'include_dirs': [
   
     
     
   
                
   
     
     
   "<(lite_dir)/cxx/include",
   
     
     
   
                
   
     
     
   "<(lite_dir)/third_party/mklml/include"
   
     
     
   
            ],
   
     
     
   
            
   
     
     
   'libraries': [
   
     
     
   
                
   
     
     
   "-l<(lite_dir)/cxx/lib/libpaddle_api_light_bundled.lib",
   
     
     
   
                
   
     
     
   "-l<(lite_dir)/third_party/mklml/lib/libiomp5md.lib",
   
     
     
   
                
   
     
     
   "-l<(lite_dir)/third_party/mklml/lib/mklml.lib",
   
     
     
   
                
   
     
     
   "-lshlwapi.lib"
   
     
     
   
            ]
   
     
     
   
        }
   
     
     
   
    ]
   
     
     
   
}
  
    
    
  

之后定位到我们的源码所在目录，确保你已经安装好了node-gyp和windows-build-tools，运行：

  
    
    
  

   
     
     
   node-gyp configure build
   
     
     
   

  
    
    
  

即可生成最终结果，但是记得从预编译库中复制两个dll动态链接库到编译结果目录。因为官方发布的为Release版lib文件，这里如果使用debug版会导致不匹配的错误。

原理介绍

这个项目实际上是在Paddle Lite的C++ Demo上套了一层壳，我们最需要关注的是怎么将N-API和C的对象互相转换，在Node.js的官方文档中给出了非常多的函数和解释，在此基础上做转换即可。这里给出一些函数的解释：

• napidefineproperties - 定义资源
• napigetcb_info - 获取调用的信息
• napithrowerror - 抛出错误
• napitypeo - 获取napivalue的类型
• napigetvaluestringutf8 - 将napi_value转换为utf8字符串
• napigetarraylength - 获取napivalue对应的数组长度
• napigetvaluedouble - 获取napivalue对应的双精度数组元素
• napigetvalueint32 - 将napivalue转换为32位整型
• napigetvaluedouble - 将napivalue转换为双精度浮点数
• napicreatedouble - 将双精度浮点数转换为napi_value

还有一些函数大体作用相同，仅仅作为转换作用。

写在最后

飞桨已经推出的Paddle.js支持直接在浏览器中进行推理。而本文介绍的Paddle Node项目从另一个角度为Node.js提供可能。飞桨的中文生态给国内开发者和入门者提供了非常大的便利，大大降低了大家的学习成本。希望飞桨能够做得越来越好，进一步降低用户使用门槛，非常感谢。

本项目代码：

https://github.com/KernelErr/paddlenode

C/C++ Addons with N-API：

https://nodejs.org/docs/latest-v12.x/api/n-api.html

官网地址：

https://www.paddlepaddle.org.cn

Paddle Lite：

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

Paddle.js：

https://github.com/PaddlePaddle/Paddle.js

飞桨开源框架项目地址：

GitHub:

https://github.com/PaddlePaddle/Paddle

Gitee: 

https://gitee.com/paddlepaddle/Paddle

推荐阅读