Skip to content

Latest commit

 

History

History
248 lines (179 loc) · 9.47 KB

README.md

File metadata and controls

248 lines (179 loc) · 9.47 KB
Raw

Nvidia GPU量化部署

概述

NVIDIA TensorRT 是一个高性能的深度学习预测库，适用于Nvidia GPU，可为深度学习推理应用程序提供低延迟和高吞吐量。PaddlePaddle 采用子图的形式对TensorRT进行了集成，即我们可以使用该模块来提升Paddle模型的预测性能。本教程将介绍如何使用TensortRT部署PaddleSlim量化得到的模型，无论是量化训练（QAT）还是离线量化（PTQ）模型均可支持。对于常见图像分类模型，INT8模型的推理速度通常是FP32模型的3.2-6.7倍。

流程步骤如下：

  • 产出量化模型：使用PaddleSlim量化训练或离线量化得到量化模型。注意模型中被量化的算子的参数值应该在INT8范围内，但是类型仍为float型。
  • 在Nvidia GPU上部署预测：在GPU上以INT8类型进行预测部署。

参考资料：

  • PaddleInference NV GPU部署量化模型文档

1. 准备环境

  • 有2种方式获取Paddle预测库，下面进行详细介绍。

1.1 直接下载安装

  • Paddle预测库官网上提供了不同cuda版本的Linux预测库，可以在官网查看并选择带有TensorRT的预测库版本。

  • 下载之后使用下面的方法解压。

tar -xf fluid_inference.tgz

最终会在当前的文件夹中生成fluid_inference/的子文件夹。

1.2 预测库源码编译

  • 如果希望获取最新预测库特性，可以从Paddle github上克隆最新代码，源码编译预测库。
  • 可以参考Paddle预测库官网的说明，从github上获取Paddle代码，然后进行编译，生成最新的预测库。使用git获取代码方法如下。
git clone https://github.com/PaddlePaddle/Paddle.git

  • 在Nvidia官网下载TensorRT并解压, 本示例以TensorRT 6.0为例。

  • 进入Paddle目录后，编译方法如下。

rm -rf build
mkdir build
cd build

cmake  .. \
    -DWITH_MKL=ON \
    -DWITH_MKLDNN=ON  \
    -DCMAKE_BUILD_TYPE=Release \
    -DWITH_INFERENCE_API_TEST=OFF \
    -DTENSORRT_ROOT=TensorRT-6.0.1.5 \
    -DFLUID_INFERENCE_INSTALL_DIR=LIB_ROOT \
    -DON_INFER=ON \
    -DWITH_PYTHON=ON
make -j
make inference_lib_dist

其中DFLUID_INFERENCE_INSTALL_DIR代表编译完成后预测库生成的地址，DTENSORRT_ROOT代表下载解压后的TensorRT路径。

更多编译参数选项可以参考Paddle C++预测库官网：https://www.paddlepaddle.org.cn/documentation/docs/zh/advanced_guide/inference_deployment/inference/build_and_install_lib_cn.html。

  • 编译完成之后，可以在LIB_ROOT路径下看到生成了以下文件及文件夹。
LIB_ROOT/
|-- CMakeCache.txt
|-- paddle
|-- third_party
|-- version.txt

其中paddle就是之后进行TensorRT预测时所需的Paddle库，version.txt中包含当前预测库的版本信息。

2 开始运行

2.1 将模型导出为inference model

inference/
|-- model
|-- params

2.2 编译TensorRT预测demo

  • 编译命令如下，其中Paddle, TensorRT地址需要换成自己机器上的实际地址。
sh tools/build.sh

具体地，tools/build.sh中内容如下。

PADDLE_LIB_PATH=trt_inference # change to your path
USE_GPU=ON
USE_MKL=ON
USE_TRT=ON
TENSORRT_INCLUDE_DIR=TensorRT-6.0.1.5/include # change to your path
TENSORRT_LIB_DIR=TensorRT-6.0.1.5/lib # change to your path

if [ $USE_GPU -eq ON ]; then
  export CUDA_LIB=`find /usr/local -name libcudart.so`
fi
BUILD=build
mkdir -p $BUILD
cd $BUILD
cmake .. \
      -DPADDLE_LIB=${PADDLE_LIB_PATH} \
      -DWITH_GPU=${USE_GPU} \
      -DWITH_MKL=${USE_MKL} \
      -DCUDA_LIB=${CUDA_LIB} \
      -DUSE_TENSORRT=${USE_TRT} \
      -DTENSORRT_INCLUDE_DIR=${TENSORRT_INCLUDE_DIR} \
      -DTENSORRT_LIB_DIR=${TENSORRT_LIB_DIR}
make -j4

PADDLE_LIB_PATH为下载(fluid_inference文件夹)或者编译生成的Paddle预测库地址(build/fluid_inference_install_dir文件夹)；TENSORRT_INCLUDE_DIR和TENSORRT_LIB_DIR分别代表TensorRT的include和lib目录路径。

  • 编译完成之后，会在build文件夹下生成可执行文件。

2.3 数据预处理转化

在精度和性能预测中，需要先对数据进行二进制转化。运行脚本如下可转化完整ILSVRC2012 val数据集。使用--local可以转化用户自己的数据。在Paddle所在目录运行下面的脚本。脚本在官网位置为full_ILSVRC2012_val_preprocess.py

python Paddle/paddle/fluid/inference/tests/api/full_ILSVRC2012_val_preprocess.py --local --data_dir=/PATH/TO/USER/DATASET/  --output_file=/PATH/TO/SAVE/BINARY/FILE

可选参数：

  • 不设置任何参数。脚本将下载 ILSVRC2012_img_val数据集，并转化为二进制文件。
  • local: 设置便为true，表示用户将提供自己的数据
  • data_dir: 用户自己的数据目录
  • label_list: 图片路径-图片类别列表文件，类似于val_list.txt
  • output_file: 生成的binary文件路径。
  • data_dim: 预处理图片的长和宽。默认值 224。

用户自己的数据集目录结构应该如下

imagenet_user
├── val
│   ├── ILSVRC2012_val_00000001.jpg
│   ├── ILSVRC2012_val_00000002.jpg
|   |── ...
└── val_list.txt

其中，val_list.txt 内容应该如下：

val/ILSVRC2012_val_00000001.jpg 0
val/ILSVRC2012_val_00000002.jpg 0

注意：

  • 为什么将数据集转化为二进制文件？因为paddle中的数据预处理（resize, crop等）都使用pythong.Image模块进行，训练出的模型也是基于Python预处理的图片，但是我们发现Python测试性能开销很大，导致预测性能下降。为了获得良好性能，在量化模型预测阶段，我们需要使用C++测试，而C++只支持Open-CV等库，Paddle不建议使用外部库，因此我们使用Python将图片预处理然后放入二进制文件，再在C++测试中读出。用户根据自己的需要，可以更改C++测试以直接读数据并预处理，精度不会有太大下降。

2.4 部署预测

相比FP32模型的TensorRT预测，量化模型的预测需要在开启TensorRT时另外设定精度为kInt8, 核心代码如下：

config.EnableTensorRtEngine(workspace_size, \
                            batch_size, \
                            min_subgraph_size, \
                            paddle::AnalysisConfig::Precision::kInt8, \
                            false, \
                            false);

运行demo

  • 执行以下命令，完成一个分类模型的TensorRT预测。
sh tools/run.sh

其中MODEL_DIR和DATA_FILE分别代表模型文件和数据文件, 需要在预测时替换为自己实际要用的地址。

可以看到类似下面的预测结果：

I1123 11:30:49.160024 10999 trt_clas.cc:103] finish prediction
I1123 11:30:49.160050 10999 trt_clas.cc:136] pred image class is : 65, ground truth label is : 65
  • 修改tools/run.sh中的repeat_times大于1，通过多次预测取平均完成对一个模型的TensorRT速度评测。
sh tools/run.sh

可以看到类似下面的评测结果：

I1123 11:40:30.936796 11681 trt_clas.cc:83] finish warm up 10 times
I1123 11:40:30.947906 11681 trt_clas.cc:101] total predict cost is : 11.042 ms, repeat 10 times
I1123 11:40:30.947947 11681 trt_clas.cc:102] average predict cost is : 1.1042 ms
  • 执行以下命令，完成对一个模型的TensorRT精度评测。
sh tools/test_acc.sh

同上，在预测时需要将其中路径替换为自己实际要用的地址。

可以看到类似下面的评测结果：

I1123 11:23:11.856046 10913 test_acc.cc:64] 5000
I1123 11:23:50.318663 10913 test_acc.cc:64] 10000
I1123 11:24:28.793603 10913 test_acc.cc:64] 15000
I1123 11:25:07.277580 10913 test_acc.cc:64] 20000
I1123 11:25:45.698241 10913 test_acc.cc:64] 25000
I1123 11:26:24.195798 10913 test_acc.cc:64] 30000
I1123 11:27:02.625052 10913 test_acc.cc:64] 35000
I1123 11:27:41.178545 10913 test_acc.cc:64] 40000
I1123 11:28:19.798691 10913 test_acc.cc:64] 45000
I1123 11:28:58.457620 10913 test_acc.cc:107] final result:
I1123 11:28:58.457688 10913 test_acc.cc:108] top1 acc:0.70664
I1123 11:28:58.457712 10913 test_acc.cc:109] top5 acc:0.89494

3 Benchmark

GPU: NVIDIA® Tesla® P4

数据集： ImageNet-2012

预测引擎： Paddle-TensorRT

模型 FP32精度(Top1/Top5) INT8精度(Top1/Top5) FP32预测时延(ms) INT8预测时延(ms) 量化加速比
MobileNetV1 71.00%/89.69% 70.66%/89.27% 1.083 0.568 47.55%
MobileNetV2 72.16%/90.65% 71.09%/90.16% 1.821 0.980 46.19%
ResNet50 76.50%/93.00% 76.27%/92.95% 4.960 2.014 59.39%