2021-10-15 00:23:48 +08:00
|
|
|
|
# PaddleLite推理部署
|
2021-11-02 18:08:43 +08:00
|
|
|
|
---
|
2021-10-15 00:23:48 +08:00
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
本教程将介绍基于[Paddle Lite](https://github.com/PaddlePaddle/Paddle-Lite)在移动端部署 PaddleClas 分类模型的详细步骤。识别模型的部署将在近期支持，敬请期待。
|
2021-10-15 00:23:48 +08:00
|
|
|
|
|
2021-10-27 22:40:12 +08:00
|
|
|
|
Paddle Lite是飞桨轻量化推理引擎，为手机、IOT端提供高效推理能力，并广泛整合跨平台硬件，为端侧部署及应用落地问题提供轻量化的部署方案。
|
|
|
|
|
|
<!-- TODO(gaotingquan): 下述 benchmark 文档在新文档结构中缺失 -->
|
|
|
|
|
|
<!-- 如果希望直接测试速度，可以参考[Paddle-Lite移动端benchmark测试教程](../../docs/zh_CN/extension/paddle_mobile_inference.md)。 -->
|
2021-10-15 00:23:48 +08:00
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
## 目录
|
|
|
|
|
|
- [准备环境](#1)
|
|
|
|
|
|
- [1.1 准备交叉编译环境](#1.1)
|
|
|
|
|
|
- [1.2 准备预测库](#1.2)
|
|
|
|
|
|
- [开始运行](#2)
|
|
|
|
|
|
- [2.1模型优化](#2.1)
|
|
|
|
|
|
- [2.1.1 pip安装paddlelite并进行转换](#2.1.1)
|
|
|
|
|
|
- [2.1.2 源码编译Paddle-Lite生成opt工具](#2.1.2)
|
|
|
|
|
|
- [2.1.3 转换示例](#2.1.3)
|
|
|
|
|
|
- [2.2与手机联调](#2.2)
|
|
|
|
|
|
- [FAQ](#3)
|
|
|
|
|
|
|
|
|
|
|
|
<a name="1"></a>
|
|
|
|
|
|
## 一、准备环境
|
2021-10-15 00:23:48 +08:00
|
|
|
|
|
|
|
|
|
|
Paddle Lite 目前支持以下平台部署：
|
|
|
|
|
|
* 电脑（编译Paddle Lite）
|
|
|
|
|
|
* 安卓手机（armv7或armv8）
|
|
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
<a name="1.1"></a>
|
2021-10-15 00:23:48 +08:00
|
|
|
|
### 1.1 准备交叉编译环境
|
|
|
|
|
|
|
|
|
|
|
|
交叉编译环境用于编译 Paddle Lite 和 PaddleClas 的 C++ demo。
|
2021-10-27 22:40:12 +08:00
|
|
|
|
支持多种开发环境，关于 Docker、Linux、macOS、Windows 等不同开发环境的编译流程请参考[文档](https://paddle-lite.readthedocs.io/zh/latest/source_compile/compile_env.html)。
|
2021-10-15 00:23:48 +08:00
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
<a name="1.2"></a>
|
2021-10-15 00:23:48 +08:00
|
|
|
|
### 1.2 准备预测库
|
|
|
|
|
|
|
|
|
|
|
|
预测库有两种获取方式：
|
|
|
|
|
|
1. [建议]直接下载，预测库下载链接如下：
|
|
|
|
|
|
|平台|预测库下载链接|
|
|
|
|
|
|
|-|-|
|
|
|
|
|
|
|Android|[arm7](https://paddlelite-data.bj.bcebos.com/Release/2.8-rc/Android/gcc/inference_lite_lib.android.armv7.gcc.c++_static.with_extra.with_cv.tar.gz) / [arm8](https://paddlelite-data.bj.bcebos.com/Release/2.8-rc/Android/gcc/inference_lite_lib.android.armv8.gcc.c++_static.with_extra.with_cv.tar.gz)|
|
|
|
|
|
|
|iOS|[arm7](https://paddlelite-data.bj.bcebos.com/Release/2.8-rc/iOS/inference_lite_lib.ios.armv7.with_cv.with_extra.tiny_publish.tar.gz) / [arm8](https://paddlelite-data.bj.bcebos.com/Release/2.8-rc/iOS/inference_lite_lib.ios.armv8.with_cv.with_extra.tiny_publish.tar.gz)|
|
|
|
|
|
|
|
|
|
|
|
|
**注**：
|
|
|
|
|
|
1. 如果是从 Paddle-Lite [官方文档](https://paddle-lite.readthedocs.io/zh/latest/quick_start/release_lib.html#android-toolchain-gcc)下载的预测库，
|
|
|
|
|
|
注意选择 `with_extra=ON，with_cv=ON` 的下载链接。
|
|
|
|
|
|
2. 如果使用量化的模型部署在端侧，建议使用 Paddle-Lite develop 分支编译预测库。
|
|
|
|
|
|
|
|
|
|
|
|
2. 编译 Paddle-Lite 得到预测库，Paddle-Lite 的编译方式如下：
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
git clone https://github.com/PaddlePaddle/Paddle-Lite.git
|
|
|
|
|
|
cd Paddle-Lite
|
|
|
|
|
|
# 如果使用编译方式，建议使用develop分支编译预测库
|
|
|
|
|
|
git checkout develop
|
|
|
|
|
|
./lite/tools/build_android.sh --arch=armv8 --with_cv=ON --with_extra=ON
|
|
|
|
|
|
```
|
2021-10-27 22:40:12 +08:00
|
|
|
|
<!-- TODO(gaotingquan): 需要与lite同学确认，该编译选项是否需要更新：with_cv with_extra， -->
|
|
|
|
|
|
<!-- https://paddle-lite.readthedocs.io/zh/latest/source_compile/compile_options.html -->
|
2021-10-15 00:23:48 +08:00
|
|
|
|
**注意**：编译Paddle-Lite获得预测库时，需要打开`--with_cv=ON --with_extra=ON`两个选项，`--arch`表示`arm`版本，这里指定为armv8，更多编译命令介绍请参考[链接](https://paddle-lite.readthedocs.io/zh/latest/user_guides/Compile/Android.html#id2)。
|
|
|
|
|
|
|
|
|
|
|
|
直接下载预测库并解压后，可以得到`inference_lite_lib.android.armv8/`文件夹，通过编译Paddle-Lite得到的预测库位于`Paddle-Lite/build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/`文件夹下。
|
|
|
|
|
|
预测库的文件目录如下：
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
inference_lite_lib.android.armv8/
|
|
|
|
|
|
|-- cxx C++ 预测库和头文件
|
|
|
|
|
|
| |-- include C++ 头文件
|
|
|
|
|
|
| | |-- paddle_api.h
|
|
|
|
|
|
| | |-- paddle_image_preprocess.h
|
|
|
|
|
|
| | |-- paddle_lite_factory_helper.h
|
|
|
|
|
|
| | |-- paddle_place.h
|
|
|
|
|
|
| | |-- paddle_use_kernels.h
|
|
|
|
|
|
| | |-- paddle_use_ops.h
|
|
|
|
|
|
| | `-- paddle_use_passes.h
|
|
|
|
|
|
| `-- lib C++预测库
|
|
|
|
|
|
| |-- libpaddle_api_light_bundled.a C++静态库
|
|
|
|
|
|
| `-- libpaddle_light_api_shared.so C++动态库
|
|
|
|
|
|
|-- java Java预测库
|
|
|
|
|
|
| |-- jar
|
|
|
|
|
|
| | `-- PaddlePredictor.jar
|
|
|
|
|
|
| |-- so
|
|
|
|
|
|
| | `-- libpaddle_lite_jni.so
|
|
|
|
|
|
| `-- src
|
|
|
|
|
|
|-- demo C++和Java示例代码
|
|
|
|
|
|
| |-- cxx C++ 预测库demo
|
|
|
|
|
|
| `-- java Java 预测库demo
|
|
|
|
|
|
```
|
|
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
<a name="2"></a>
|
|
|
|
|
|
## 二、开始运行
|
2021-10-15 00:23:48 +08:00
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
<a name="2.1"></a>
|
2021-10-15 00:23:48 +08:00
|
|
|
|
### 2.1 模型优化
|
|
|
|
|
|
|
|
|
|
|
|
Paddle-Lite 提供了多种策略来自动优化原始的模型，其中包括量化、子图融合、混合精度、Kernel 优选等方法，使用 Paddle-Lite 的 `opt` 工具可以自动对 inference 模型进行优化，目前支持两种优化方式，优化后的模型更轻量，模型运行速度更快。在进行模型优化前，需要先准备 `opt` 优化工具，有以下两种方式。
|
|
|
|
|
|
|
|
|
|
|
|
**注意**：如果已经准备好了 `.nb` 结尾的模型文件，可以跳过此步骤。
|
2021-11-02 18:08:43 +08:00
|
|
|
|
|
|
|
|
|
|
<a name="2.1.1"></a>
|
2021-10-15 00:23:48 +08:00
|
|
|
|
#### 2.1.1 [建议]pip安装paddlelite并进行转换
|
|
|
|
|
|
|
|
|
|
|
|
Python下安装 `paddlelite`，目前最高支持 `Python3.7`。
|
|
|
|
|
|
**注意**：`paddlelite` whl包版本必须和预测库版本对应。
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
pip install paddlelite==2.8
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
之后使用 `paddle_lite_opt` 工具可以进行 inference 模型的转换。`paddle_lite_opt` 的部分参数如下
|
|
|
|
|
|
|
|
|
|
|
|
|选项|说明|
|
|
|
|
|
|
|-|-|
|
|
|
|
|
|
|--model_dir|待优化的PaddlePaddle模型（非combined形式）的路径|
|
|
|
|
|
|
|--model_file|待优化的PaddlePaddle模型（combined形式）的网络结构文件路径|
|
|
|
|
|
|
|--param_file|待优化的PaddlePaddle模型（combined形式）的权重文件路径|
|
|
|
|
|
|
|--optimize_out_type|输出模型类型，目前支持两种类型：protobuf和naive_buffer，其中naive_buffer是一种更轻量级的序列化/反序列化实现。若您需要在mobile端执行模型预测，请将此选项设置为naive_buffer。默认为protobuf|
|
|
|
|
|
|
|--optimize_out|优化模型的输出路径|
|
|
|
|
|
|
|--valid_targets|指定模型可执行的backend，默认为arm。目前可支持x86、arm、opencl、npu、xpu，可以同时指定多个backend(以空格分隔)，Model Optimize Tool将会自动选择最佳方式。如果需要支持华为NPU（Kirin 810/990 Soc搭载的达芬奇架构NPU），应当设置为npu, arm|
|
|
|
|
|
|
|--record_tailoring_info|当使用 根据模型裁剪库文件 功能时，则设置该选项为true，以记录优化后模型含有的kernel和OP信息，默认为false|
|
|
|
|
|
|
|
|
|
|
|
|
`--model_file` 表示 inference 模型的 model 文件地址，`--param_file` 表示 inference 模型的 param 文件地址；`optimize_out` 用于指定输出文件的名称（不需要添加 `.nb` 的后缀）。直接在命令行中运行 `paddle_lite_opt`，也可以查看所有参数及其说明。
|
|
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
<a name="2.1.2"></a>
|
2021-10-15 00:23:48 +08:00
|
|
|
|
#### 2.1.2 源码编译Paddle-Lite生成opt工具
|
|
|
|
|
|
|
|
|
|
|
|
模型优化需要 Paddle-Lite 的 `opt` 可执行文件，可以通过编译 Paddle-Lite 源码获得，编译步骤如下：
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
# 如果准备环境时已经clone了Paddle-Lite，则不用重新clone Paddle-Lite
|
|
|
|
|
|
git clone https://github.com/PaddlePaddle/Paddle-Lite.git
|
|
|
|
|
|
cd Paddle-Lite
|
|
|
|
|
|
git checkout develop
|
|
|
|
|
|
# 启动编译
|
|
|
|
|
|
./lite/tools/build.sh build_optimize_tool
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
编译完成后，`opt` 文件位于 `build.opt/lite/api/` 下，可通过如下方式查看 `opt` 的运行选项和使用方式：
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
cd build.opt/lite/api/
|
|
|
|
|
|
./opt
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
`opt` 的使用方式与参数与上面的 `paddle_lite_opt` 完全一致。
|
|
|
|
|
|
|
|
|
|
|
|
<a name="2.1.3"></a>
|
|
|
|
|
|
#### 2.1.3 转换示例
|
|
|
|
|
|
|
|
|
|
|
|
下面以PaddleClas的 `MobileNetV3_large_x1_0` 模型为例，介绍使用 `paddle_lite_opt` 完成预训练模型到inference模型，再到 Paddle-Lite 优化模型的转换。
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
# 进入PaddleClas根目录
|
|
|
|
|
|
cd PaddleClas_root_path
|
|
|
|
|
|
|
|
|
|
|
|
# 下载并解压inference模型
|
|
|
|
|
|
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/inference/MobileNetV3_large_x1_0_infer.tar
|
|
|
|
|
|
tar -xf MobileNetV3_large_x1_0_infer.tar
|
|
|
|
|
|
|
|
|
|
|
|
# 将inference模型转化为Paddle-Lite优化模型
|
|
|
|
|
|
paddle_lite_opt --model_file=./MobileNetV3_large_x1_0_infer/inference.pdmodel --param_file=./MobileNetV3_large_x1_0_infer/inference.pdiparams --optimize_out=./MobileNetV3_large_x1_0
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
最终在当前文件夹下生成 `MobileNetV3_large_x1_0.nb` 的文件。
|
|
|
|
|
|
|
|
|
|
|
|
**注意**：`--optimize_out` 参数为优化后模型的保存路径，无需加后缀 `.nb`；`--model_file` 参数为模型结构信息文件的路径，`--param_file` 参数为模型权重信息文件的路径，请注意文件名。
|
|
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
<a name="2.2"></a>
|
2021-10-15 00:23:48 +08:00
|
|
|
|
### 2.2 与手机联调
|
|
|
|
|
|
|
|
|
|
|
|
首先需要进行一些准备工作。
|
|
|
|
|
|
1. 准备一台 arm8 的安卓手机，如果编译的预测库和 opt 文件是 armv7，则需要 arm7 的手机，并修改 Makefile 中 `ARM_ABI = arm7`。
|
|
|
|
|
|
2. 电脑上安装 ADB 工具，用于调试。 ADB安装方式如下：
|
|
|
|
|
|
|
|
|
|
|
|
* MAC电脑安装ADB:
|
|
|
|
|
|
```shell
|
|
|
|
|
|
brew cask install android-platform-tools
|
|
|
|
|
|
```
|
|
|
|
|
|
* Linux安装ADB
|
|
|
|
|
|
```shell
|
|
|
|
|
|
sudo apt update
|
|
|
|
|
|
sudo apt install -y wget adb
|
|
|
|
|
|
```
|
|
|
|
|
|
* Window安装ADB
|
|
|
|
|
|
win上安装需要去谷歌的安卓平台下载ADB软件包进行安装：[链接](https://developer.android.com/studio)
|
|
|
|
|
|
|
|
|
|
|
|
3. 手机连接电脑后，开启手机 `USB调试` 选项，选择 `文件传输` 模式，在电脑终端中输入：
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
adb devices
|
|
|
|
|
|
```
|
|
|
|
|
|
如果有 device 输出，则表示安装成功，如下所示：
|
|
|
|
|
|
```
|
|
|
|
|
|
List of devices attached
|
|
|
|
|
|
744be294 device
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
4. 准备优化后的模型、预测库文件、测试图像和类别映射文件。
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
cd PaddleClas_root_path
|
|
|
|
|
|
cd deploy/lite/
|
|
|
|
|
|
|
|
|
|
|
|
# 运行prepare.sh
|
|
|
|
|
|
# prepare.sh 会将预测库文件、测试图像和使用的字典文件放置在预测库中的demo/cxx/clas文件夹下
|
|
|
|
|
|
sh prepare.sh /{lite prediction library path}/inference_lite_lib.android.armv8
|
|
|
|
|
|
|
|
|
|
|
|
# 进入lite demo的工作目录
|
|
|
|
|
|
cd /{lite prediction library path}/inference_lite_lib.android.armv8/
|
|
|
|
|
|
cd demo/cxx/clas/
|
|
|
|
|
|
|
|
|
|
|
|
# 将C++预测动态库so文件复制到debug文件夹中
|
|
|
|
|
|
cp ../../../cxx/lib/libpaddle_light_api_shared.so ./debug/
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
`prepare.sh` 以 `PaddleClas/deploy/lite/imgs/tabby_cat.jpg` 作为测试图像，将测试图像复制到 `demo/cxx/clas/debug/` 文件夹下。
|
2021-10-27 22:40:12 +08:00
|
|
|
|
将 `paddle_lite_opt` 工具优化后的模型文件放置到 `/{lite prediction library path}/inference_lite_lib.android.armv8/demo/cxx/clas/debug/` 文件夹下。本例中，使用 [2.1.3 转换示例](#2.1.3) 生成的 `MobileNetV3_large_x1_0.nb` 模型文件。
|
2021-10-15 00:23:48 +08:00
|
|
|
|
|
|
|
|
|
|
执行完成后，clas 文件夹下将有如下文件格式：
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
demo/cxx/clas/
|
|
|
|
|
|
|-- debug/
|
|
|
|
|
|
| |--MobileNetV3_large_x1_0.nb 优化后的分类器模型文件
|
|
|
|
|
|
| |--tabby_cat.jpg 待测试图像
|
|
|
|
|
|
| |--imagenet1k_label_list.txt 类别映射文件
|
|
|
|
|
|
| |--libpaddle_light_api_shared.so C++预测库文件
|
|
|
|
|
|
| |--config.txt 分类预测超参数配置
|
|
|
|
|
|
|-- config.txt 分类预测超参数配置
|
|
|
|
|
|
|-- image_classfication.cpp 图像分类代码文件
|
|
|
|
|
|
|-- Makefile 编译文件
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
#### 注意：
|
|
|
|
|
|
* 上述文件中，`imagenet1k_label_list.txt` 是 ImageNet1k 数据集的类别映射文件，如果使用自定义的类别，需要更换该类别映射文件。
|
|
|
|
|
|
|
|
|
|
|
|
* `config.txt` 包含了分类器的超参数，如下：
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
clas_model_file ./MobileNetV3_large_x1_0.nb # 模型文件地址
|
|
|
|
|
|
label_path ./imagenet1k_label_list.txt # 类别映射文本文件
|
|
|
|
|
|
resize_short_size 256 # resize之后的短边边长
|
|
|
|
|
|
crop_size 224 # 裁剪后用于预测的边长
|
|
|
|
|
|
visualize 0 # 是否进行可视化，如果选择的话，会在当前文件夹下生成名为clas_result.png的图像文件。
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
5. 启动调试，上述步骤完成后就可以使用ADB将文件夹 `debug/` push 到手机上运行，步骤如下：
|
|
|
|
|
|
|
|
|
|
|
|
```shell
|
|
|
|
|
|
# 执行编译，得到可执行文件clas_system
|
|
|
|
|
|
make -j
|
|
|
|
|
|
|
|
|
|
|
|
# 将编译得到的可执行文件移动到debug文件夹中
|
|
|
|
|
|
mv clas_system ./debug/
|
|
|
|
|
|
|
|
|
|
|
|
# 将上述debug文件夹push到手机上
|
|
|
|
|
|
adb push debug /data/local/tmp/
|
|
|
|
|
|
|
|
|
|
|
|
adb shell
|
|
|
|
|
|
cd /data/local/tmp/debug
|
|
|
|
|
|
export LD_LIBRARY_PATH=/data/local/tmp/debug:$LD_LIBRARY_PATH
|
|
|
|
|
|
|
|
|
|
|
|
# clas_system可执行文件的使用方式为:
|
|
|
|
|
|
# ./clas_system 配置文件路径 测试图像路径
|
|
|
|
|
|
./clas_system ./config.txt ./tabby_cat.jpg
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
如果对代码做了修改，则需要重新编译并 push 到手机上。
|
|
|
|
|
|
|
|
|
|
|
|
运行效果如下：
|
|
|
|
|
|
|
|
|
|
|
|
<div align="center">
|
2021-10-27 22:40:12 +08:00
|
|
|
|
<img src="../../images/inference_deployment/lite_demo_result.png" width="600">
|
2021-10-15 00:23:48 +08:00
|
|
|
|
</div>
|
|
|
|
|
|
|
2021-11-02 18:08:43 +08:00
|
|
|
|
<a name="3"></a>
|
|
|
|
|
|
## 三、FAQ
|
2021-10-15 00:23:48 +08:00
|
|
|
|
Q1：如果想更换模型怎么办，需要重新按照流程走一遍吗？
|
|
|
|
|
|
A1：如果已经走通了上述步骤，更换模型只需要替换 `.nb` 模型文件即可，同时要注意修改下配置文件中的 `.nb` 文件路径以及类别映射文件（如有必要）。
|
|
|
|
|
|
|
|
|
|
|
|
Q2：换一个图测试怎么做？
|
|
|
|
|
|
A2：替换 debug 下的测试图像为你想要测试的图像，使用 ADB 再次 push 到手机上即可。
|
