TensorRT系列传送门(不定期更新): 深度框架|TensorRT
以解析caffe分类模型为例，学习fp16量化和分析网路每层消耗的时间
参考自
TensorRT(4)-Profiling and 16-bit Inference
目的：
1、分析TRT中网络每一层的运行时间
2、fp16量化学习
FP16更省内存和更节约推理时间。
官方文档3.0上表示，如果只是使用FP16进度代替FP32,实际上性能不会有多达的提升，真正提升性能的是 half2mode。half2mode是TRT的一种执行模型，这种模式下，图片上相邻区域的tensor以16位交叉存储的方式存在的，在batchsize大于1的情况下，这种模型的运输速度是最快的。原理不是很懂，大概如下图所示
一、如何使用half2mode
在调用NvCaffePaser工具解析模型时，使用FP16的数据初始化 network对象，用DataType::kHALF 参数
如下：
// 首先 使用float 16 精度的数据 来初始化 network 对象，工具解析 caffe模型时，
// 使用 DataType::kHALF 参数，如下：
bool useFp16 = builder->platformHasFastFp16();
// 判断当前的GPU设备是否支持 FP16的精度
DataType modelDataType = useFp16 ? DataType::kHALF : DataType::kFLOAT; // create a 16-bit model if it's natively supported
if(useFp16)
{
std::cout << "当前设备支持 fp16" << std::endl;
}
else
{
std::cout << "当前设备不支持 fp16" << std::endl;
}
const IBlobNameToTensor *blobNameToTensor = parser->parse("./model/caffeProfile/deploy_vgg16_places365.prototxt",
"./model/caffeProfile/vgg_iter_100000.caffemodel",
*network,
modelDataType);
再配置buildder使用 half2mode
builder->setFp16Mode(true);
二、分析网络的每层消耗的时间
分析网络每层消耗的时间，需要创建一个IProfuler接口，并以回调函数的方式添加到 execution context中
创建接口
// profile类，继承自 IProfiler
struct Profiler : public IProfiler
{
typedef std::pair<std::string, float> Record;
std::vector<Record> mProfile;
// 将每一层的运行时间存放到 vector中
virtual void reportLayerTime(const char* layerName, float ms)
{
// find_if找到第一个 r.first 与 layerName 相同的层，返回一个迭代器
auto record = std::find_if(mProfile.begin(), mProfile.end(), [&](const Record& r){ return r.first == layerName; });
// 如果是新的层就push_back进vector
if (record == mProfile.end())
mProfile.push_back(std::make_pair(layerName, ms));
// 如果是vector中已有的层就直接累加时间，因为他是迭代1000次的，肯定会重复，所以要累加时间
else
record->second += ms;
}
// 打印各层的运行时间，打印时要除掉 总的迭代次数
void printLayerTimes()
{
float totalTime = 0;
for (size_t i = 0; i < mProfile.size(); i++)
{
printf("%-40.40s %4.3fms\n", mProfile[i].first.c_str(), mProfile[i].second / TIMING_ITERATIONS);
totalTime += mProfile[i].second;
}
printf("Time over all layers: %4.3f\n", totalTime / TIMING_ITERATIONS);
}
} gProfiler;
以回调函数的方式加入到context中
context.profiler = &gProfiler;
注意，执行的时候，prodiling不支持异步的方式，因此需要用TRT的同步执行函数 execution()
// 因为需要加上gProfilder，需要同步执行
// 调用 context->execute 同步执行
for (int i = 0; i < TIMING_ITERATIONS;i++)
{
context->execute(1, buffers);
}
三、整体代码
/*====================================================================
文件 ： sampleCaffeClassf.cc
功能 ： TensorRT学习系列2、以caffe为例，输出fp16量化，输出trt每层消耗的时间
继承 IProfiler 类
====================================================================*/
#include "NvCaffeParser.h"
#include "NvInfer.h"
#include "NvInferPlugin.h"
#include "logger.h"
#include "cuda_runtime_api.h"
#include "common.h"
#include <cstdlib>
#include <fstream>
#include <iostream>
#include <sstream>
#include <opencv2/opencv.hpp>
using namespace nvinfer1;
using namespace plugin;
using namespace nvcaffeparser1;
const int MODEL_HEIGHT = 256;
const int MODEL_WIDTH = 256;
const int MODEL_CHANNEL = 3;
const int MODEL_OUTPUT_SIZE = 5; // 5分类
static const int TIMING_ITERATIONS = 100;
/**********************************
* @brief 先resize、再减均值、除方差
*
* @param src
* @param dst
* @return
*********************************/
void preData(cv::Mat &matSrc, cv::Mat &matDst)
{
cv::resize(matSrc, matSrc, cv::Size(MODEL_WIDTH, MODEL_HEIGHT));
cv::Mat matMean(MODEL_HEIGHT, MODEL_WIDTH, CV_32FC3, \
cv::Scalar(103.53f, 116.28f, 123.675f)); // 均值
cv::Mat matStd(256, 256, CV_32FC3, \
cv::Scalar(1.0f, 1.0f, 1.0f)); // 方差
cv::Mat matF32Img;
matSrc.convertTo(matF32Img, CV_32FC3);
matDst = (matF32Img - matMean) / matStd;
}
// profile类，继承自 IProfiler
struct Profiler : public IProfiler
{
typedef std::pair<std::string, float> Record;
std::vector<Record> mProfile;
// 将每一层的运行时间存放到 vector中
virtual void reportLayerTime(const char* layerName, float ms)
{
// find_if找到第一个 r.first 与 layerName 相同的层，返回一个迭代器
auto record = std::find_if(mProfile.begin(), mProfile.end(), [&](const Record& r){ return r.first == layerName; });
// 如果是新的层就push_back进vector
if (record == mProfile.end())
mProfile.push_back(std::make_pair(layerName, ms));
// 如果是vector中已有的层就直接累加时间，因为他是迭代1000次的，肯定会重复，所以要累加时间
else
record->second += ms;
}
// 打印各层的运行时间，打印时要除掉 总的迭代次数
void printLayerTimes()
{
float totalTime = 0;
for (size_t i = 0; i < mProfile.size(); i++)
{
printf("%-40.40s %4.3fms\n", mProfile[i].first.c_str(), mProfile[i].second / TIMING_ITERATIONS);
totalTime += mProfile[i].second;
}
printf("Time over all layers: %4.3f\n", totalTime / TIMING_ITERATIONS);
}
} gProfiler;
int main()
{
std::string strTrtSavedPath = "./savedTrt.trt";
// gLogger
// 1、创建一个builder, gLogger是一个日志类，必须要有，但又不是那么重要，可以自己继承
IBuilder* builder = createInferBuilder(gLogger);
// 2、创建一个netwok，推荐使用V2，这时候netWork只是一个空架子,因为是解析caffe模型，那后面的必须是0U
// 别问我为啥，官方这么写的
INetworkDefinition* network = builder->createNetworkV2(0U);
// TensorRt提供了一个高级别的API，CaffePaser，用于解析caffe模型
ICaffeParser *parser = createCaffeParser();
// 首先 使用float 16 精度的数据 来初始化 network 对象，工具解析 caffe模型时，
// 使用 DataType::kHALF 参数，如下：
bool useFp16 = builder->platformHasFastFp16();
// 判断当前的GPU设备是否支持 FP16的精度
DataType modelDataType = useFp16 ? DataType::kHALF : DataType::kFLOAT; // create a 16-bit model if it's natively supported
if(useFp16)
{
std::cout << "当前设备支持 fp16" << std::endl;
}
else
{
std::cout << "当前设备不支持 fp16" << std::endl;
}
const IBlobNameToTensor *blobNameToTensor = parser->parse("./model/caffeProfile/deploy_vgg16_places365.prototxt",
"./model/caffeProfile/vgg_iter_100000.caffemodel",
*network,
modelDataType);
// 3、标记输入Tensor的节点名
network->markOutput(*blobNameToTensor->find("prob"));
// config是用来填充network的参数
IBuilderConfig *config = builder->createBuilderConfig();
// 设置最大batchSize的大小
builder->setMaxBatchSize(1);
//配置builder 使用 half2mode ，这个很简单，就一个语句就完成了：
builder->setFp16Mode(true);
// 设置工作空间
config->setMaxWorkspaceSize(8 << 20);
// 4、建立 engine，进行层之间融合或者进度校准方式
ICudaEngine *engine = builder->buildEngineWithConfig(*network, *config);
if (0) // 如果需要离线保存模型
{
IHostMemory* trtModelStream{ nullptr };
trtModelStream = engine->serialize();
std::ofstream modeStreamoutfile(strTrtSavedPath, std::ofstream::binary);
assert(!modeStreamoutfile.fail());
modeStreamoutfile.write((char*)trtModelStream->data(), trtModelStream->size());
gLogInfo<<"Saving TRT engine " << strTrtSavedPath << "." <<std::endl;
}
// inference推断过程
IExecutionContext *context = engine->createExecutionContext();
context->setProfiler(&gProfiler);
int nInputIdx = engine->getBindingIndex("data");
int nOutputIndex = engine->getBindingIndex("prob");
std::cout << " nINputIdx = " << nInputIdx << std::endl;
std::cout << " nOutputIdx = " << nOutputIndex << std::endl;
//
std::cout << " n = " << engine->getNbBindings() << std::endl;
Dims3 inputDims = static_cast<Dims3&&>(engine->getBindingDimensions(nInputIdx));
Dims3 outputDims = static_cast<Dims3&&>(engine->getBindingDimensions(nOutputIndex));
size_t inputSize = 1 * inputDims.d[0] * inputDims.d[1] * inputDims.d[2] * sizeof(float);
size_t outputSize = 1 * outputDims.d[0] * outputDims.d[1] * outputDims.d[2] * sizeof(float);
//申请GPU显存
// Allocate GPU memory for Input / Output data
void* buffers[2] = {NULL, NULL};
int nBatchSize = 1;
int nOutputSize = MODEL_OUTPUT_SIZE;
CHECK(cudaMalloc(&buffers[nInputIdx], nBatchSize * MODEL_CHANNEL * MODEL_HEIGHT * MODEL_WIDTH * sizeof(float)));
CHECK(cudaMalloc(&buffers[nOutputIndex], nBatchSize * nOutputSize * sizeof(float)));
// 创建cuda流
cudaStream_t stream;
CHECK(cudaStreamCreate(&stream));
cudaEvent_t start, end; //calculate run time
CHECK(cudaEventCreate(&start));
CHECK(cudaEventCreate(&end));
cv::Mat matBgrImg = cv::imread("./data/fram_25.jpg");
cv::Mat matNormImage;
preData(matBgrImg, matNormImage); // 减均值除方差
std::vector<std::vector<cv::Mat>> nChannels;
std::vector<cv::Mat> rgbChannels(3);
cv::split(matNormImage, rgbChannels);
nChannels.push_back(rgbChannels); // NHWC 转NCHW
void *data = malloc(nBatchSize * MODEL_CHANNEL * MODEL_HEIGHT * MODEL_WIDTH *sizeof(float));;
if (NULL == data)
{
printf("malloc error!\n");
return 0;
}
for (int c = 0; c < 3; ++c)
{
cv::Mat cur_imag_plane = nChannels[0][c];
memcpy(data + c * MODEL_HEIGHT * MODEL_WIDTH * sizeof(float), cur_imag_plane.ptr<unsigned char>(0), 256 *256 * sizeof(float));
}
// DMA input batch data to device, infer on the batch asynchronously, and DMA output back to host
CHECK(cudaMemcpyAsync(buffers[nInputIdx], data, \
nBatchSize * MODEL_CHANNEL * MODEL_WIDTH * MODEL_HEIGHT * sizeof(float), cudaMemcpyHostToDevice, stream));
// 因为需要加上gProfilder，为了计算时间的准确性，需要同步执行
// 调用 context->execute 同步执行
for (int i = 0; i < TIMING_ITERATIONS;i++)
{
context->execute(1, buffers);
}
// 打印时间
gProfiler.printLayerTimes();
float prob[nBatchSize * nOutputSize];
CHECK(cudaMemcpyAsync(prob, buffers[nOutputIndex], 1 * 5 * sizeof(float), cudaMemcpyDeviceToHost, stream));
cudaStreamSynchronize(stream);
cudaEventDestroy(start);
cudaEventDestroy(end);
// Release stream and buffers
cudaStreamDestroy(stream);
CHECK(cudaFree(buffers[nInputIdx]));
CHECK(cudaFree(buffers[nOutputIndex]));
for(int i=0; i< 5; ++i)
{
std::cout << prob[i] << " ";
}
std::cout << std::endl;
parser->destroy();
network->destroy();
config->destroy();
builder->destroy();
printf("hello world \n");
return 0;
}
660
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
