树莓派也能玩转深度学习——Tengine推断引擎

Author Avatar
YaHei 10月 13, 2018

一直以来,树莓派以其良好的社区生态,广受嵌入式爱好者、创客欢迎。在一些相关的社区上(比如树莓派实验室),我们可以看到非常丰富的应用示例及其教程。但在树莓派上的深度学习应用并不常见,这主要是受到树莓派计算力的限制,比如之前看到过有人把yolov2原原本本生硬地部署到树莓派上,结果每一帧检测耗时高达6分钟!!作一帧目标检测花费6分钟这实在是无法忍受的!
如果是用yolov2-tiny的话会快很多,但耗时依旧接近40秒,参考树莓派3B上测试YOLO效果 | CSDN

那树莓派只能跟深度学习无缘了么?那可未必!

Tengine

OADI/Tengine | github

Tengine 是OPEN AI LAB为嵌入式设备开发的一个轻量级、高性能并且模块化的引擎。
Tengine在嵌入式设备上支持CPU,GPU,DLA/NPU,DSP异构计算的计算框架,实现异构计算的调度器,基于ARM平台的高效的计算库实现,针对特定硬件平台的性能优化,动态规划计算图的内存使用,提供对于网络远端AI计算能力的访问支持,支持多级别并行,整个系统模块可拆卸,基于事件驱动的计算模型,吸取已有AI计算框架的优点,设计全新的计算图表示。

编译安装开源版Tengine

安装相关工具

sudo apt-get instal git cmake
  • git 是一个版本控制系统,稍后将用来从 github 网站上下载Tengine的源码
  • cmake 是一个编译工具,用来产生make过程中所需要的Makefile文件

安装支持库

sudo apt-get install libprotobuf-dev protobuf-compiler libboost-all-dev libgoogle-glog-dev libopencv-dev libopenblas-dev
  • protobuf 是一种轻便高效的数据存储格式,这是caffe各种配置文件所使用的数据格式
  • boost 是一个c++的扩展程序库,稍后Tengine的编译依赖于该库
  • google-glog 是一个google提供的日志系统的程序库
  • opencv 是一个开源的计算机视觉库
  • openblas 是一个开源的基础线性代数子程序库

下载&编译

  1. 从github上下载最新的开源版Tengine源码
    git clone https://github.com/OAID/Tengine.git
    
  2. 切换工作目录到Tengine
    cd Tengine
    
  3. 准备好配置文件
    Tengine目录下提供了配置模板 makefile.config.example 文件
    cp makefile.config.example makefile.config
    
  4. 修改配置文件 makefile.config
    由于开源版的Tengine不支持针对armv7的优化,所以需要用openblas替代实现;
    CONFIG_ARCH_ARM64=y 这一行注释掉(行首加井号 #)以关闭ARM64架构的优化实现;
    解除 CONFIG_ARCH_BLAS=y 这一行解除注释(删除行首的井号 #)以开启BLAS计算库的实现方式
  5. 编译并安装
    make -j4
    make install
    
    这里的 -j4 表示开启四个线程进行编译

测试

  1. 下载mobilenet-ssd模型并放置在 Tengine/models 目录下
    下载链接(提取码为57vb):https://pan.baidu.com/s/1LXZ8vOdyOo50IXS0CUPp8g
  2. 将工作目录切换到mobilenet-ssd示例程序的目录下
    cd ~/Tengine/examples/mobilenet_ssd
    
  3. 编译示例程序
    cmake –DTENGINE_DIR=/home/pi/Tengine .
    make
    
    这里 -DTENGINE_DIR用于为cmake指定环境变量TENGINE_DIR,该变量可以在CMakeLists.txt文件中找到
  4. 运行示例程序
    ./MSSD
    
    可以看到对一张照片进行目标检测,总共耗时1148.32ms
    mssd-opensource

树莓派专用教育版Tengine

最近 Open AI Lab公司浙江大学生物医学工程与仪器科学学院 在嵌入式人工智能领域上开展了教学合作,公司为学院提供了速度更快的针对armv7优化的Tengine版本用于教学用途(已上传到 Github),接下来让我们看看这个树莓派专用教育版的Tengine到底有多快吧!

  1. 用树莓派专用教育版Tengine的动态链接库覆盖掉原先的开源版
    动态链接库路径为:Tengine/install/lib/libtengine.so
    编译时,make会在build目录下产生libtengine.so动态链接库,而make instll将动态链接库、头文件等拷贝到install目录下
    replace
  2. 重新运行mobilenet-ssd的示例程序
    可以看到,单帧耗时从1148.32ms下降为286.136ms,速度有了非常明显的提升!
    mssd-education

小试牛刀

用上高性能的树莓派专用教育版Tengine,看看mobilenet-ssd在树莓派上能表现如何——

  1. hey-yahei/my_blog/RasPi-Tengine/mobilenet-ssd | github 上下载源码,并放置在 Tengine/example 目录下
  2. 检查 CMakeLists.txt 文件中TENGINE_DIR变量是否正确指向Tengine路径
  3. 执行 cmake . 生成Makefile
  4. 执行 make 编译程序
  5. 执行 ./MSSD 运行程序

实际效果如下:


由于一部分cpu资源被用于视频的解码工作(对于支持硬解码的平台来说不存在这个问题),可以看到单帧耗时有所下降(400ms-700ms),但对于多数应用场景来说这个帧率是绰绰有余的。


本文开头我们说道,
直接在树莓派上配置darknet部署的yolo网络,yolov2单帧耗时接近6分钟,yolov2-tiny单帧耗时接近40秒
而在树莓派上配置Tengine部署的yolov2网络,在blas实现下单帧耗时不到8秒(参考利用Tengine在树莓派上跑深度学习网络 | songrbb),在针对armv7优化实现的教育版下单帧耗时甚至不到2秒