PaddleLite使用华为麒麟NPU预测部署

Paddle Lite是首款支持华为自研达芬奇架构NPU（Kirin 810/990 SoC搭载的NPU）的预测框架。 原理是在线分析Paddle模型，将Paddle算子转成HiAI IR后，调用HiAI IR/Builder/Runtime APIs生成并执行HiAI模型。

支持现状

已支持的芯片

  • Kirin 810/820/990/985/9000

已支持的设备

  • Kirin 990：HUAWEI Mate 30系列, 荣耀 V20系列, nova 6系列，P40系列，Mate Xs
  • Kirin 985：HUAWEI nova 7 5G，nova 7 Pro 5G，荣耀 30
  • Kirin 820：HUAWEI nova 7 SE 5G，荣耀 30S
  • Kirin 810：HUAWEI nova 5系列，nova 6 SE，荣耀 9X系列，荣耀 Play4T Pro

已支持的Paddle模型

带*表示该模型的部分算子不支持华为Kirin NPU加速，而是采用ARM CPU+华为Kirin NPU异构计算方式获得支持。

已支持（或部分支持）的Paddle算子

sigmoidrelutanhrelu_clipped
leaky_relusoftsignhard_sigmoidlog
sqrtsquarethresholded_relubatch_norm
less_thanconcatconv2ddepthwise_conv2d
conv2d_transposedropoutelementwise_addelementwise_sub
elementwise_mulelementwise_divexpandfusion_elementwise_add_activation
fusion_elementwise_sub_activationfusion_elementwise_mul_activationfusion_elementwise_div_activationincrement
instance_norm (需要HiAI DDK330)layer_norm (需要HiAI DDK330)fcbilinear_interp
nearest_interpmatmulmulpad2d
pool2dreduce_meanreshapereshape2
scaleshuffle_channelsoftmaxsplit
transposetranspose2unsqueezeunsqueeze2

可以通过访问https://github.com/PaddlePaddle/Paddle-Lite/blob/develop/lite/kernels/npu/bridges/paddle_use_bridges.h获得最新的算子支持列表。

参考示例演示

测试设备(HUAWEI Mate30 5G)

https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/huawei_mate30_5g.jpghuwei_mate30_5g

准备设备环境

  • 由于HiAI DDK可能依赖特定版本的ROM，建议用户更新至最新版EMUI系统，具体参考华为官方手机升级指南。

准备交叉编译环境

  • 为了保证编译环境一致，建议参考编译环境准备中的Docker开发环境进行配置。

运行图像分类示例程序

  • 下载示例程序PaddleLite-android-demo.tar.gz，解压后清单如下：

    1. - PaddleLite-android-demo
    2.   - image_classification_demo # 基于MobileNetV1的图像分类示例程序
    3.     - assets
    4.       - images 
    5.         - tabby_cat.jpg # 测试图片
    6.       - labels
    7.         - synset_words.txt # 1000分类label文件
    8.       - models
    9.         - mobilenet_v1_fp32_224_fluid # Paddle fluid non-combined格式的mobilenetv1 float32模型
    10.         - mobilenet_v1_fp32_224_for_cpu
    11.           - model.nb # 已通过opt转好的、适合ARM CPU的mobilenetv1模型
    12.         - mobilenet_v1_fp32_224_for_huawei_kirin_npu
    13.           - model.nb # 已通过opt转好的、适合华为Kirin NPU的mobilenetv1模型
    14.     - shell # android shell端的示例程序，注意：HiAI存在限制，拥有ROOT权限才能正常运行shell端程序
    15.       - CMakeLists.txt # android shell端的示例程序CMake脚本
    16.       - build
    17.         - image_classification_demo # 已编译好的android shell端的示例程序
    18.       - image_classification_demo.cc # 示例程序源码
    19.       - build.sh # android shell端的示例程序编译脚本
    20.       - run.sh # android shell端的示例程序运行脚本
    21.     - apk # 常规android应用程序，无需ROOT
    22.       - app
    23.         - src
    24.           - main
    25.             - java # java层代码
    26.             - cpp # 自定义的jni实现
    27.         - app.iml
    28.         - build.gradle
    29.       - gradle
    30.       ...
    31.   - libs
    32.     - PaddleLite
    33.       - bin
    34.         - opt # 适合Ubuntu x86平台、预编译的模型优化工具
    35.       - armeabi-v7a # 适合armv7架构的PaddleLite预编译库以及HiAI运行时库
    36.         - include # PaddleLite头文件，每次版本更新时记得替换掉，否则可能会出现segmentation fault或精度无法对齐的问题
    37.         - lib
    38.           - libc++_shared.so # HiAI DDK中的so库是基于c++_shared编译生成的，部署时记得带上它
    39.           - libpaddle_light_api_shared.so # 用于最终移动端部署的预编译PaddleLite库（tiny publish模式下编译生成的库）
    40.           - libpaddle_full_api_shared.so # 用于直接加载Paddle模型进行测试和Debug的预编译PaddleLite库（full publish模式下编译生成的库）
    41.           - libhiai.so # HiAI runtime库函数，主要实现模型加载、执行和Tensor的操作 
    42.           - libhiai_ir.so # HiAI IR/Graph的定义
    43.           - libhiai_ir_build.so # HiAI IRGraph转om模型的接口
    44.           - libhcl.so # HiAI NPU高性能算子库
    45.           - libcpucl.so # HiAI的CPU算子库，PaddleLite中没有用到，理论上可以删掉
    46.       - arm64-v8a # 适合armv8架构的PaddleLite预编译库以及HiAI运行时库
    47.     - OpenCV # OpenCV 4.2 for android
    48.   - object_detection_demo # 基于YOLOv3_MobileNetV3的目标检测示例程序（手动子图划分章节会详细介绍）

  • Android shell端的示例程序

    • 按照以下命令分别运行转换后的ARM CPU模型和华为Kirin NPU模型，比较它们的性能和结果；

      1. 注意：
      2. 1）由于HiAI的限制，需要root权限才能执行shell示例程序；
      3. 2）run.sh只能在连接设备的系统上运行，不能在docker环境执行（可能无法找到设备），也不能在设备上运行；
      4. 3）build.sh需要在docker环境中执行，否则，需要将build.sh的ANDROID_NDK修改为当前环境下的NDK路径；
      5. 4）以下执行结果均由armeabi-v7a库生成，如果需要测试arm64-v8a库，可将build.sh的ANDROID_ABI修改成arm64-v8a后重新生成image_classification_demo，同时将run.sh的ANDROID_ABI也修改成arm64-v8a即可)。
      7. 运行适用于ARM CPU的mobilenetv1模型
      8. $ cd PaddleLite-android-demo/image_classification_demo/assets/models
      9. $ cp mobilenet_v1_fp32_224_for_cpu/model.nb mobilenet_v1_fp32_224_fluid.nb
      10. $ cd ../../shell
      11. $ ./run.sh
      12.   ...
      13.   iter 0 cost: 34.467999 ms
      14.   iter 1 cost: 34.514999 ms
      15.   iter 2 cost: 34.646000 ms
      16.   iter 3 cost: 34.713001 ms
      17.   iter 4 cost: 34.612000 ms
      18.   iter 5 cost: 34.551998 ms
      19.   iter 6 cost: 34.741001 ms
      20.   iter 7 cost: 34.655998 ms
      21.   iter 8 cost: 35.035000 ms
      22.   iter 9 cost: 34.661999 ms
      23.   warmup: 5 repeat: 10, average: 34.659999 ms, max: 35.035000 ms, min: 34.467999 ms
      24.   results: 3
      25.   Top0  tabby, tabby cat - 0.475008
      26.   Top1  Egyptian cat - 0.409487
      27.   Top2  tiger cat - 0.095745
      28.   Preprocess time: 2.040000 ms
      29.   Prediction time: 40.704300 ms
      30.   Postprocess time: 0.105000 ms
      32. 运行适用于华为Kirin NPU的mobilenetv1模型
      33. $ cd PaddleLite-android-demo/image_classification_demo/assets/models
      34. $ cp mobilenet_v1_fp32_224_for_huawei_kirin_npu/model.nb mobilenet_v1_fp32_224_fluid.nb
      35. $ cd ../../shell
      36. $ ./run.sh
      37.   ...
      38.   iter 0 cost: 2.426000 ms
      39.   iter 1 cost: 2.428000 ms
      40.   iter 2 cost: 2.465000 ms
      41.   iter 3 cost: 2.401000 ms
      42.   iter 4 cost: 2.406000 ms
      43.   iter 5 cost: 2.492000 ms
      44.   iter 6 cost: 2.411000 ms
      45.   iter 7 cost: 2.397000 ms
      46.   iter 8 cost: 2.441000 ms
      47.   iter 9 cost: 2.402000 ms
      48.   warmup: 5 repeat: 10, average: 2.426900 ms, max: 2.492000 ms, min: 2.397000 ms
      49.   results: 3
      50.   Top0  tabby, tabby cat - 0.477539
      51.   Top1  Egyptian cat - 0.408447
      52.   Top2  tiger cat - 0.094788
      53.   Preprocess time: 1.724000 ms
      54.   Prediction time: 2.426900 ms
      55.   Postprocess time: 0.127000 ms

    • 如果需要更改测试图片，可将图片拷贝到PaddleLite-android-demo/image_classification_demo/assets/images目录下，然后将run.sh的IMAGE_NAME设置成指定文件名即可；

    • 如果需要重新编译示例程序，直接运行./build.sh即可。

  • 常规Android应用程序

    （如果不想按照以下步骤编译Android应用程序，可以直接在Android设备上通过浏览器下载和安装已编译好的apkimage_classification_demo.apk）

    • 访问https://developer.android.google.cn/studio下载安装Android Studio（当前Android demo app是基于Android Studio3.4开发的），如果无法访问，可以从http://www.android-studio.org下载；

    • 打开Android Studio，在”Welcome to Android Studio”窗口点击”Open an existing Android Studio project”，在弹出的路径选择窗口中进入”PaddleLite-android-demo/image_classification_demo/apk”目录，然后点击右下角的”Open”按钮即可导入工程；

    • 通过USB连接Android手机、平板或开发板；

    • 待工程加载完成后，首先，点击菜单栏的File->Sync Project with Gradle Files手动同步项目构建；然后，点击菜单栏的Build->Rebuild Project按钮，如果提示CMake版本不匹配，请点击错误提示中的’Install CMake xxx.xxx.xx’按钮，重新安装CMake，再次点击菜单栏的Build->Rebuild Project按钮；

    • 待工程编译完成后，点击菜单栏的Run->Run ‘App’按钮，在弹出的”Select Deployment Target”窗口选择已经连接的Android设备，然后点击”OK”按钮；

    • 等待大约1分钟后（第一次时间比较长，需要耐心等待），app已经安装到设备上。默认使用ARM CPU模型进行推理，如下图所示，推理耗时34.8ms，整个流程（含预处理和后处理）的帧率约22fps；

      https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/huawei_mate30_5g_mobilenet_v1_cpu.jpghuawei_mate30_5g_mobilenet_v1_cpu

    • 点击app界面右下角的设置按钮，在弹出的设置页面点击”Choose pre-installed models”，选择”mobilenet_v1_fp32_for_huawei_kirin_npu”，点击返回按钮后，app将切换到华为Kirin NPU模型，如下图所示，推理耗时下降到3.4ms，帧率提高到29fps（由于代码中帧率统计限制在30fps以内，因此实际帧率会更高，具体地，您可以手动计算截图中Read GLFBO time、Write GLTexture time、Predict time和Postprocess time的总耗时）。

      https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/huawei_mate30_5g_mobilenet_v1_npu.jpghuaewi_mate30_5g_mobilenet_v1_npu

更新模型

  • 通过Paddle Fluid训练，或X2Paddle转换得到MobileNetv1 foat32模型mobilenet_v1_fp32_224_fluid；

  • 参考模型转化方法，利用opt工具转换生成华为Kirin NPU模型，仅需将valid_targets设置为npu,arm即可。

    1. 注意：需要保证opt工具和库版本一致。
    2. $ cd PaddleLite-android-demo/image_classification_demo/assets/models
    3. $ GLOG_v=5 ./opt --model_dir=mobilenet_v1_fp32_224_fluid \
    4.     --optimize_out_type=naive_buffer \
    5.     --optimize_out=opt_model \
    6.     --valid_targets=npu,arm
    7.   ...
    8.   [I  8/12  6:56:25.460 ...elease/Paddle-Lite/lite/core/optimizer.h:229 RunPasses] == Running pass: memory_optimize_pass
    9.   [I  8/12  6:56:25.460 ...elease/Paddle-Lite/lite/core/optimizer.h:242 RunPasses]    - Skip memory_optimize_pass because the target or kernel does not match.
    10.   [I  8/12  6:56:25.461 ...te/lite/core/mir/generate_program_pass.h:37 GenProgram] insts.size 1
    11.   [I  8/12  6:56:25.683 ...e-Lite/lite/model_parser/model_parser.cc:593 SaveModelNaive] Save naive buffer model in 'opt_model.nb' successfully
    13. 替换自带的华为Kirin NPU模型
    14. $ cp opt_model.nb mobilenet_v1_fp32_224_for_huawei_kirin_npu/model.nb

  • 注意：opt生成的模型只是标记了华为Kirin NPU支持的Paddle算子，并没有真正生成华为Kirin NPU模型，只有在执行时才会将标记的Paddle算子转成HiAI IR并组网得到HiAI IRGraph，然后生成并执行华为Kirin NPU模型（具体原理请参考Pull Request#2576）；

  • 不同模型，不同型号（ROM版本）的华为手机，在执行阶段，由于某些Paddle算子无法完全转成HiAI IR，或目标手机的HiAI版本过低等原因，可能导致HiAI模型无法成功生成，在这种情况下，Paddle Lite会调用ARM CPU版算子进行运算完成整个预测任务。

更新支持华为Kirin NPU的PaddleLite库

  • 下载PaddleLite源码和最新版HiAI DDK

    1. $ git clone https://github.com/PaddlePaddle/Paddle-Lite.git
    2. $ cd Paddle-Lite
    3. $ git checkout <release-version-tag>
    4. $ wget https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/hiai_ddk_lib_330.tar.gz
    5. $ tar -xvf hiai_ddk_lib_330.tar.gz

  • 编译并生成PaddleLite+HuaweiKirinNPU for armv8 and armv7的部署库

    1. For armv8
    2. tiny_publish
    3. $ ./lite/tools/build_android.sh --android_stl=c++_shared --with_extra=ON --with_log=ON --with_huawei_kirin_npu=ON --huawei_kirin_npu_sdk_root=./hiai_ddk_lib_330
    4. full_publish
    5. $ ./lite/tools/build_android.sh --android_stl=c++_shared --with_extra=ON --with_log=ON --with_huawei_kirin_npu=ON --huawei_kirin_npu_sdk_root=./hiai_ddk_lib_330 full_publish
    7. For armv7
    8. tiny_publish
    9. $ ./lite/tools/build_android.sh --arch=armv7 --android_stl=c++_shared --with_extra=ON --with_log=ON --with_huawei_kirin_npu=ON --huawei_kirin_npu_sdk_root=./hiai_ddk_lib_330
    10. full_publish
    11. $ ./lite/tools/build_android.sh --arch=armv7 --android_stl=c++_shared --with_extra=ON --with_log=ON --with_huawei_kirin_npu=ON --huawei_kirin_npu_sdk_root=./hiai_ddk_lib_330 full_publish
    13. 备注：由于HiAI DDK的so库均基于c++_shared构建，建议将android stl设置为c++_shared，更多选项还可以通过 "./lite/tools/build_android.sh help" 查看。

  • 将编译生成的build.lite.android.armv8.gcc/inference_lite_lib.android.armv8.npu/cxx/include替换PaddleLite-android-demo/libs/PaddleLite/arm64-v8a/include目录；

  • 将tiny_publish模式下编译生成的build.lite.android.armv8.gcc/inference_lite_lib.android.armv8.npu/cxx/lib/libpaddle_light_api_shared.so替换PaddleLite-android-demo/libs/PaddleLite/arm64-v8a/lib/libpaddle_light_api_shared.so文件；

  • 将full_publish模式下编译生成的build.lite.android.armv8.gcc/inference_lite_lib.android.armv8.npu/cxx/lib/libpaddle_full_api_shared.so替换PaddleLite-android-demo/libs/PaddleLite/arm64-v8a/lib/libpaddle_full_api_shared.so文件；

  • 将编译生成的build.lite.android.armv7.gcc/inference_lite_lib.android.armv7.npu/cxx/include替换PaddleLite-android-demo/libs/PaddleLite/armeabi-v7a/include目录；

  • 将tiny_publish模式下编译生成的build.lite.android.armv7.gcc/inference_lite_lib.android.armv7.npu/cxx/lib/libpaddle_light_api_shared.so替换PaddleLite-android-demo/libs/PaddleLite/armeabi-v7a/lib/libpaddle_light_api_shared.so文件；

  • 将full_publish模式下编译生成的build.lite.android.armv7.gcc/inference_lite_lib.android.armv7.npu/cxx/lib/libpaddle_full_api_shared.so替换PaddleLite-android-demo/libs/PaddleLite/armeabi-v7a/lib/libpaddle_full_api_shared.so文件。

如何支持CPU+华为Kirin NPU异构计算？

  • 上述示例中所使用的MobileNetv1 foat32模型mobilenet_v1_fp32_224_fluid，它的所有算子均能成功转成华为Kirin NPU的HiAI IR，因此，能够获得非常好的加速效果；
  • 而实际情况是，你的模型中可能存在华为Kirin NPU不支持的算子，尽管opt工具可以成功生成ARM CPU+华为Kirin NPU的异构模型，但可能因为一些限制等原因，模型最终执行失败或性能不够理想；
  • 我们首先用一个简单的目标检测示例程序让你直观感受到ARM CPU+华为Kirin NPU异构模型带来的性能提升；然后，简要说明一下华为Kirin NPU接入PaddleLite的原理；最后，详细介绍如何使用『自定义子图分割』功能生成正常运行的ARM CPU+华为Kirin NPU异构模型。

运行目标检测示例程序

  • 『运行图像分类示例程序』章节中的PaddleLite-android-demo.tar.gz同样包含基于YOLOv3_MobileNetV3的目标检测示例程序；

    1. - PaddleLite-android-demo
    2.   - image_classification_demo # 基于MobileNetV1的图像分类示例程序
    3.     - libs # PaddleLite和OpenCV预编译库
    4.     - object_detection_demo # 基于YOLOv3_MobileNetV3的目标检测示例程序
    5.     - assets
    6.       - images 
    7.         - kite.jpg # 测试图片
    8.       - labels
    9.         - coco-labels-2014_2017.txt # coco数据集的label文件
    10.       - models
    11.         - yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid # Paddle fluid combined格式的、剪枝后的YOLOv3_MobileNetV3 float32模型
    12.         - yolov3_mobilenet_v3_prune86_FPGM_fp32_320_for_cpu
    13.           - model.nb # 已通过opt转好的、适合ARM CPU的YOLOv3_MobileNetV3模型
    14.         - yolov3_mobilenet_v3_prune86_FPGM_fp32_320_for_hybrid_cpu_huawei_kirin_npu
    15.           - model.nb # 已通过opt转好的、适合ARM CPU+华为Kirin NPU的YOLOv3_MobileNetV3异构模型
    16.          - subgraph_custom_partition_config_file.txt # YOLOv3_MobileNetV3自定义子图分割配置文件
    17.     - shell # android shell端的示例程序，注意：HiAI存在限制，拥有ROOT权限才能正常运行shell端程序
    18.       - CMakeLists.txt # android shell端的示例程序CMake脚本
    19.       - build
    20.         - object_detection_demo # 已编译好的android shell端的示例程序
    21.       - object_detection_demo.cc.cc # 示例程序源码
    22.       - build.sh # android shell端的示例程序编译脚本
    23.       - run.sh # android shell端的示例程序运行脚本
    24.     - apk # 常规android应用程序，无需ROOT

  • 运行Android shell端的示例程序

    • 参考『运行图像分类示例程序』章节的类似步骤，通过以下命令比较ARM CPU模型、ARM CPU+华为Kirin NPU异构模型的性能和结果；

      1. 运行YOLOv3_MobileNetV3 ARM CPU模型
      2. $ cd PaddleLite-android-demo/object_detection_demo/assets/models
      3. $ cp yolov3_mobilenet_v3_prune86_FPGM_fp32_320_for_cpu/model.nb yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid.nb
      4. $ cd ../../shell
      5. $ ./run.sh
      6.   ...
      7.   warmup: 5 repeat: 10, average: 53.963000 ms, max: 54.161999 ms, min: 53.562000 ms
      8.   results: 24
      9.   [0] person - 0.986361 211.407288,334.633301,51.627228,133.759537
      10.   [1] person - 0.879052 261.493347,342.849823,40.597961,120.775108
      11.   ...
      12.   [22] kite - 0.272905 362.982941,119.011330,14.060059,11.157372
      13.   [23] kite - 0.254866 216.051910,175.607956,70.241974,23.265827
      14.   Preprocess time: 4.882000 ms
      15.   Prediction time: 53.963000 ms
      16.   Postprocess time: 0.548000 ms
      18. 运行YOLOv3_MobileNetV3 ARM CPU+华为Kirin NPU异构模型
      19. $ cd PaddleLite-android-demo/object_detection_demo/assets/models
      20. $ cp yolov3_mobilenet_v3_prune86_FPGM_fp32_320_for_hybrid_cpu_huawei_kirin_npu/model.nb yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid.nb
      21. $ cd ../../shell
      22. $ ./run.sh
      23.   ...
      24.   warmup: 5 repeat: 10, average: 23.767200 ms, max: 25.287001 ms, min: 22.292000 ms
      25.   results: 24
      26.   [0] person - 0.986164 211.420929,334.705780,51.559906,133.627930
      27.   [1] person - 0.879287 261.553680,342.857300,40.531372,120.751106
      28.   ...
      29.   [22] kite - 0.271422 362.977722,119.014709,14.053833,11.162636
      30.   [23] kite - 0.257437 216.123276,175.631500,70.095078,23.248249
      31.   Preprocess time: 4.951000 ms
      32.   Prediction time: 23.767200 ms
      33.   Postprocess time: 1.015000 ms

  • 运行常规Android应用程序

    （如果不想按照以下步骤编译Android应用程序，可以直接在Android设备上通过浏览器下载和安装已编译好的apkobject_detection_demo.apk）

    • 参考『运行图像分类示例程序』章节的类似步骤，通过Android Studio导入”PaddleLite-android-demo/object_detection_demo/apk”工程，生成和运行常规Android应用程序；

    • 默认使用ARM CPU模型进行推理，如下图所示，推理耗时55.1ms，整个流程（含预处理和后处理）的帧率约15fps；

      https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/huawei_mate30_5g_yolov3_mobilenet_v3_cpu.jpghuawei_mate30_5g_yolov3_mobilenet_v3_cpu

    • 选择”yolov3_mobilenet_v3_for_hybrid_cpu_huawei_kirin_npu”后，如下图所示，推理耗时下降到26.9ms，帧率提高到28fps

      https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/huawei_mate30_5g_yolov3_mobilenet_v3_hybrid_cpu_npu.jpghuawei_mate30_5g_yolov3_mobilenet_v3_hybrid_cpu_npu

PaddleLite是如何支持华为Kirin NPU的？

  • PaddleLite是如何加载Paddle模型并执行一次推理的？

    • 如下图左半部分所示，Paddle模型的读取和执行，经历了Paddle推理模型文件的加载和解析、计算图的转化、图分析和优化、运行时程序的生成和执行等步骤：

      https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/how_to_intergrate_hiai_to_paddlelite.pnghow_to_intergrate_hiai_to_paddlelite

    • Paddle推理模型文件的加载和解析：基于ProtoBuf协议对Paddle推理模型文件进行反序列化，解析生成网络结构（描述算子和张量的关系）和参数信息（包括算子属性和权重张量）；

    • 计算图的转化：为了更好的描述网络拓扑结构和方便后续的优化，依据算子的输入、出张量关系，构建一个由算子节点、张量节点组成的有向无环图；

    • 图分析和优化：由一些列pass（优化器）组成，pass是用于描述一个计算图优化生成另一个计算图的过程；例如conv2d_bn_fuse_pass，它用于将模型中每一个conv2d、batch_norm相连的算子对融合成一个conv2d算子以便获得性能上的提升；

    • 运行时程序的生成和执行：按照拓扑顺序遍历最终优化后的计算图，生成算子kernel列表，依次执行每一个算子kernel后即完成一次模型的推理。

  • PaddleLite是如何支持华为NPU呢？

    • 为了支持华为Kirin NPU，我们额外增加了（如上图标黄的区域）：Subgraph detection pass、NPU subgraph op kernel和Paddle2HiAI op/tensor bridges。其中Subgraph detection pass是后续自定义子图划分涉及的关键步骤；
    • Subgraph detection pass：该pass的作用是遍历计算图中所有的算子节点，标记能够转成HiAI IR的算子节点，然后通过图分割算法，将那些支持转为HiAI IR的、相邻的算子节点融合成一个subgraph（子图）算子节点（需要注意的是，这个阶段算子节点并没有真正转为HiAI IR，更没有生成HiAI模型）；
    • NPU subgraph op kernel：根据Subgraph detection pass的分割结果，在生成的算子kernel列表中，可能存在多个subgraph算子kernel；每个subgraph算子kernel，都会将它所包裹的、能够转成HiAI IR的、所有Paddle算子，如上图右半部所示，依次调用对应的op bridge，组网生成一个HiAI Graph，最终，调用HiAI Runtime APIs生成并执行华为Kirin NPU模型；
    • Paddle2HiAI op/tensor bridges：Paddle算子/张量转HiAI IR/tensor的桥接器，其目的是将Paddle算子、输入、输出张量转为HiAI组网IR和常量张量。

编写配置文件完成自定义子图分割，生成华为Kirin NPU与ARM CPU的异构模型

  • 为什么需要进行手动子图划分？如果模型中存在不支持转HiAI IR的算子，Subgraph detection pass会在没有人工干预的情况下，可能将计算图分割为许多小的子图，而出现如下问题：

    • 过多的子图会产生频繁的CPU<->NPU数据传输和NPU任务调度，影响整体性能；
    • 由于华为Kirin NPU模型暂时不支持dynamic shape，因此，如果模型中存在输入和输出不定长的算子（例如一些检测类算子，NLP类算子），在模型推理过程中，可能会因输入、输出shape变化而不断生成HiAI模型，从而导致性能变差，更有可能使得HiAI模型生成失败。

  • 实现原理

    • Subgraph detection pass在执行分割任务前，通过读取指定配置文件的方式获得禁用华为Kirin NPU的算子列表，实现人为干预分割结果的目的。

  • 具体步骤（以YOLOv3_MobileNetV3目标检测示例程序为例）

    • 步骤1：查看YOLOv3_MobileNetV3的模型结构，具体是将PaddleLite-android-demo/object_detection_demo/assets/models/yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid目录下的model复制并重名为__model__后，拖入Netron页面即得到如下图所示的网络结构（部分）：

      https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/yolov3_mobilenet_v3_netron.jpgyolov3_mobilenet_v3_netron

    • 步骤2：访问https://github.com/PaddlePaddle/Paddle-Lite/blob/develop/lite/kernels/npu/bridges/paddle_use_bridges.h查看已支持的算子列表，发现华为Kirin NPU不支持yolo_box、multiclass_nms这两个算子；

    • 步骤3：如果直接使用opt工具生成华为Kirin NPU模型，会发现整个网络被分割成3个子图（即3个subgraph op），subgraph1为MobileNetV3 backbone，subgraph2为1个transpose2和1个concat，subgraph3为2个transpose2和1个concat，它们都将运行在华为Kirin NPU上；

      1. $ cd PaddleLite-android-demo/object_detection_demo/assets/models
      2. $ GLOG_v=5 ./opt --model_file=yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid/model \
      3.     --param_file=yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid/params \
      4.     --optimize_out_type=protobuf \
      5.     --optimize_out=opt_model \
      6.     --valid_targets=npu,arm
      7.   ...
      8.   [4  8/12 14:12:50.559 ...e/Paddle-Lite/lite/core/mir/ssa_graph.cc:27 CheckBidirectionalConnection] node count 398
      9.   [4  8/12 14:12:50.560 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement feed host/any/any
      10.   [4  8/12 14:12:50.560 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement feed host/any/any
      11.   [4  8/12 14:12:50.560 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement subgraph npu/any/NCHW
      12.   [4  8/12 14:12:50.560 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement yolo_box arm/float/NCHW
      13.   [4  8/12 14:12:50.561 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement yolo_box arm/float/NCHW
      14.   [4  8/12 14:12:50.561 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement yolo_box arm/float/NCHW
      15.   [4  8/12 14:12:50.561 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement subgraph npu/any/NCHW
      16.   [4  8/12 14:12:50.561 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement subgraph npu/any/NCHW
      17.   [4  8/12 14:12:50.561 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement multiclass_nms host/float/NCHW
      18.   [4  8/12 14:12:50.561 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement fetch host/any/any
      19.   [I  8/12 14:12:50.561 ...te/lite/core/mir/generate_program_pass.h:37 GenProgram] insts.size 1
      20.   [4  8/12 14:12:50.836 ...e-Lite/lite/model_parser/model_parser.cc:308 SaveModelPb] Save protobuf model in 'opt_model' successfully
      22. 注意：为了方便查看优化后的模型，上述命令将`optimize_out_type`参数设置为protobuf，执行成功后将opt_model目录下的model文件复制为__model__并拖入Netron页面进行可视化。

      https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/yolov3_mobilenet_v3_hybrid_cpu_npu_auto_split_netron.jpgyolov3_mobilenet_v3_hybrid_cpu_npu_auto_split_netron

    • 步骤4：为了防止ARM CPU与华为Kirin NPU频繁切换，去除subgraph2和subgraph3，强制让transpose2和concat运行在ARM CPU上。那么，我们就需要通过环境变量SUBGRAPH_CUSTOM_PARTITION_CONFIG_FILE设置『自定义子图分割配置文件』，实现人为干预分割结果；

      1. $ cd PaddleLite-android-demo/object_detection_demo/assets/models
      2. $ cat ./subgraph_custom_partition_config_file.txt
      3.   transpose2:yolo_box0.tmp_1:transpose_0.tmp_0,transpose_0.tmp_1
      4.   transpose2:yolo_box1.tmp_1:transpose_1.tmp_0,transpose_1.tmp_1
      5.   transpose2:yolo_box2.tmp_1:transpose_2.tmp_0,transpose_2.tmp_1
      6.   concat:yolo_box0.tmp_0,yolo_box1.tmp_0,yolo_box2.tmp_0:concat_2.tmp_0
      7.   concat:transpose_0.tmp_0,transpose_1.tmp_0,transpose_2.tmp_0:concat_3.tmp_0
      8. $ export SUBGRAPH_CUSTOM_PARTITION_CONFIG_FILE=./subgraph_custom_partition_config_file.txt
      9. $ GLOG_v=5 ./opt --model_file=yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid/model \
      10.     --param_file=yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid/params \
      11.     --optimize_out_type=protobuf \
      12.     --optimize_out=opt_model \
      13.     --valid_targets=npu,arm
      14.   ...
      15.   [4  8/12 14:15:37.609 ...e/Paddle-Lite/lite/core/mir/ssa_graph.cc:27 CheckBidirectionalConnection] node count 401
      16.   [4  8/12 14:15:37.610 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement feed host/any/any
      17.   [4  8/12 14:15:37.610 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement feed host/any/any
      18.   [4  8/12 14:15:37.610 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement subgraph npu/any/NCHW
      19.   [4  8/12 14:15:37.610 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement yolo_box arm/float/NCHW
      20.   [4  8/12 14:15:37.610 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement transpose2 arm/float/NCHW
      21.   [4  8/12 14:15:37.610 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement yolo_box arm/float/NCHW
      22.   [4  8/12 14:15:37.610 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement transpose2 arm/float/NCHW
      23.   [4  8/12 14:15:37.611 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement yolo_box arm/float/NCHW
      24.   [4  8/12 14:15:37.611 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement transpose2 arm/float/NCHW
      25.   [4  8/12 14:15:37.611 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement concat arm/any/NCHW
      26.   [4  8/12 14:15:37.611 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement concat arm/any/NCHW
      27.   [4  8/12 14:15:37.611 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement multiclass_nms host/float/NCHW
      28.   [4  8/12 14:15:37.611 ...e/lite/core/mir/generate_program_pass.cc:46 Apply] Statement fetch host/any/any
      29.   [I  8/12 14:15:37.611 ...te/lite/core/mir/generate_program_pass.h:37 GenProgram] insts.size 1
      30.   [4  8/12 14:15:37.998 ...e-Lite/lite/model_parser/model_parser.cc:308 SaveModelPb] Save protobuf model in 'opt_model'' successfully

      https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/yolov3_mobilenet_v3_hybrid_cpu_npu_manual_split_netron.jpgyolov3_mobilenet_v3_hybrid_cpu_npu_manual_split_netron

    • 步骤5：上述步骤中，PaddleLite-android-demo/object_detection_demo/assets/models/subgraph_custom_partition_config_file.txt是示例自带的『自定义子图分割配置文件』，它的格式是什么样的呢？

      • 每行记录由『算子类型:输入张量名列表:输出张量名列表』组成（即以分号分隔算子类型、输入和输出张量名列表），以逗号分隔输入、输出张量名列表中的每个张量名；

      • 可省略输入、输出张量名列表中的部分张量名（如果不设置任何输入、输出张量列表，则代表计算图中该类型的所有算子节点均被强制运行在ARM CPU上）；

      • 示例说明：

        1. op_type0:var_name0,var_name1:var_name2          表示将算子类型为op_type0、输入张量为var_name0和var_name1、输出张量为var_name2的节点强制运行在ARM CPU上
        2. op_type1::var_name3                             表示将算子类型为op_type1、任意输入张量、输出张量为var_name3的节点强制运行在ARM CPU上
        3. op_type2:var_name4                              表示将算子类型为op_type2、输入张量为var_name4、任意输出张量的节点强制运行在ARM CPU上
        4. op_type3                                        表示任意算子类型为op_type3的节点均被强制运行在ARM CPU上

    • 步骤6：对于YOLOv3_MobileNetV3的模型，我们如何得到PaddleLite-android-demo/object_detection_demo/assets/models/subgraph_custom_partition_config_file.txt的配置呢？

      • 重新在Netron打开PaddleLite-android-demo/object_detection_demo/assets/models/yolov3_mobilenet_v3_prune86_FPGM_fp32_320_fluid模型，如下图所示，1~5号节点需要强制放在ARM CPU上运行。

        https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/yolov3_mobilenet_v3_hybrid_cpu_npu_manual_split_step1_netron.jpgyolov3_mobilenet_v3_hybrid_cpu_npu_manual_split_step1_netron

      • 在Netron中依次点击1~5号节点，右侧将显示每个节点的输入、输出张量名称，如下图所示，1号节点为transpose2类型算子，它的输入为yolo_box0.tmp1、输出为transpose_0.tmp_0,transpose_0.tmp_1，即可得到配置文件的第一条记录”transpose2:yolo_box0.tmp_1:transpose_0.tmp_0,transpose_0.tmp_1”；

        https://paddlelite-demo.bj.bcebos.com/devices/huawei/kirin/yolov3_mobilenet_v3_hybrid_cpu_npu_manual_split_step2_netron.jpgyolov3_mobilenet_v3_hybrid_cpu_npu_manual_split_step2_netron

    • 步骤7：将步骤4中的”optimize_out_type”修改为naive_buffer，重新执行步骤4即可以生成用于部署的ARM CPU+华为Kirin NPU异构模型。

其它说明

  • 华为达芬奇架构的NPU内部大量采用float16进行运算，因此，预测结果会存在偏差，但大部分情况下精度不会有较大损失，可参考Paddle-Lite-Demo中Image Classification Demo for Android对同一张图片CPU与华为Kirin NPU的预测结果。
  • 华为Kirin 810/990 Soc搭载的自研达芬奇架构的NPU，与Kirin 970/980 Soc搭载的寒武纪NPU不一样，同样的，与Hi3559A、Hi3519A使用的NNIE也不一样，Paddle Lite只支持华为自研达芬奇架构NPU。
  • 我们正在持续增加能够适配HiAI IR的Paddle算子bridge/converter，以便适配更多Paddle模型，同时华为研发同学也在持续对HiAI IR性能进行优化。