MMDeploy学习笔记（一）：模型部署基础知识

• 概述
• ONNX模型
• 模型部署案例-分类模型ResNet
• • Pytorch模型转ONNX模型
  • 使用ONNX Runtime对ONNX模型进行推理
  • 使用TensorRT对ONNX模型进行推理
  • 提升推理效率的两个tricks
  • • 批处理
    • 量化
• 常见问题

概述

模型部署是把训练好的模型在特定的软硬件平台下进行推理，能够对输入的数据进行前向计算得到预测结果，并针对硬件的特点进行优化与加速（例如矩阵的乘法计算在CPU、GPU和DSP的实现方式各不相同，计算速度也各不相同）。将其封装成软件开发包（SDK）后，就可以利用它开发应用软件（APP）。

由于现有Pytorch、TensorFlow等不同的深度学习框架，以及Nvidia、Intel、Qualcomm、Apple、Huawei等不同的硬件平台，那么在不同的硬件平台上部署不同的深度学习框架时，需要适配不同的模型格式，这个适配的复杂度是相当大的，因此需要针对不同的深度学习框架引入一个统一的模型格式，即ONNX。

ONNX的本质是文本，而不是程序，所以它无法直接在硬件平台上运行，因此需要推理引擎（推理框架）来加载ONNX模型，并在硬件设备上进行高效的推理。市面上所有的推理引擎都支持ONNX模型，这些引擎可以分为两类：

• 芯片厂商自研的推理框架，例如Nvidia的TensorRT、Intel的openVINO、Qualcomm的SNPE、Apple的ML、Huawei的CANN等，这类推理引擎的优点是可以充分发挥自家芯片的能力，获得比较好的推理性能，缺点是不具有普适性，无法应用在其他的芯片上。
• 通用的推理引擎，例如ONNX RUNTIME、MNN、TNN、PP、tvm、TensorFlow Lite等，这些推理引擎的优点是具备通用性，可运行在不同的软硬件平台下，对于用户来说，可以降低开发的难度并提升开发效率。

因此，模型部署流程可以用下图进行描述：

ONNX模型

ONNX（Open Neural Network Exchange）模型由微软、亚马逊、Facebook和IBM等公司共同发起开发，它是一种针对机器学习所设计的开放式文件格式，用于存储训练好的模型。不同的训练框架可采用相同格式存储模型并交互。

权重使用随机值，构建LeNet模型并导出ONNX的代码实例：

import torch
from torch import nnclass LeNet(nn.Module):def __init__(self):super(LeNet, self).__init__()self.net = nn.Sequential(nn.Conv2d(1, 6, kernel_size=5),nn.Sigmoid(),nn.AvgPool2d(kernel_size=2, stride=2),nn.Conv2d(6, 16, kernel_size=5),nn.Sigmoid(),nn.AvgPool2d(kernel_size=2, stride=2),nn.Flatten(),nn.Linear(16*5*5, 120),nn.Sigmoid(),nn.Linear(120, 84),nn.Sigmoid(),nn.Linear(84,10))def forward(self, img):return self.net(img)model = LeNet()
model.eval()
x = torch.rand(size=(1, 1, 32, 32), dtype=torch.float32)
torch.onnx.export(model, x, f='lenet.onnx', input_names=['input'],output_names=['output'], opset_version=11)

ONNX的可视化可参考博主的另一篇博客ONNX可视化与编辑工具。导出的ONNX模型是一个有向无环图，图中的节点为算子，所有算子的集合成为算子集（opset），图中的边表示节点的计算顺序和数据流向。所有算子的定义可以访问官网。

模型部署案例-分类模型ResNet

Pytorch模型转ONNX模型

在此链接下载相应的模型和权重文件。使用以下代码导出ONNX模型：

from mmcls.apis import init_model
import torchresnet18 = init_model('resnet18_8xb32_in1k.py',checkpoint='resnet18_8xb32_in1k_20210831-fbbb1da6.pth',device='cuda:0')
# 由于模型在训练过程中有drop_out，而且模型中BN层的参数会随着输入的变化而变化，推理的时候要消除这些影响，因此需要打开evaluation模式，起到使参数固定的作用
resnet18.eval()
x = torch.rand((1,3,224,224),device='cuda:0')
# 单张输入
torch.onnx.export(resnet18, (x,False), 'resnet18.onnx', input_names=['input'], output_names=['output'], opset_version=11)

注：torch.onnx.export函数说明：

使用ONNX Runtime对ONNX模型进行推理

ONNX Runtime是微软维护的一个跨平台推理引擎，可以直接加载并运行ONNX模型，支持不同的操作系统、CPU架构和AI加速设备。

import onnxruntime as ort
import torch
import mmcv
from mmcv.parallel import collate, scatter
from mmcls.datasets.pipelines import Copose
import numpy as np
session = ort.InferenceSession('resnet18.onnx', providers =['CUDAExecutionProvider']) 
cfg = mmcv.Config.fromfile('resnet18_8xb32_in1k. py')test _ pipeline = Compose(cfg.data.test.pipeline) 
input _ data = dict(img _ info=dict(filename='daisy.webp'), img _ prefix=None)
input _ data = test _ pipeline(input_data)
input _ data = collate([input_data], samples_per_gpu=1) 
input _ data = scatter(input_data ,[torch.device('cuda:0')])[0]
input _ data = input_data['img']
io_binding = session.io_binding()
io _ binding.bind_input(name='input', device_type='cuda',device_id=0,element_type=np.float32,shape=input_data.shape,buffer_ptr = input_data.data_ptr())
io_binding.bind_output('output') 
session.run_with_iobinding(io_binding)
scores = io_binding.copy_outputs_to_cpu()[0]
pred_score = np.max(scores, axis=1)[0]
pred _ label = np.argmax(scores ,axis =1)[0]
print(pred_score, pred_label)

使用TensorRT对ONNX模型进行推理

使用TensorRT部署ONNX模型时包括以下两个阶段：

• Build Phase（构建阶段）：对ONNX模型转换和优化，输出优化的模型；

trtexec --onnx=resnet18.onnx --saveEngine=resnet18.plan

• Runtime Phase（运行时阶段）：加载优化后模型，执行推理。

运行时阶段的详细过程如下图所示，首先创建运行时，然后加载构建阶段优化处理后的TensorRT模型生成engine，接着创建一个context，绑定输入输出，并准备好一个buffer，用来存预处理好的数据，最后执行计算进行前向推理。

提升推理效率的两个tricks

批处理

使用批处理（模型可以接受多张图放在一个batch中进行推理）可以提升推理效率，下面演示的是如何使用批处理将Pytorch模型转为ONNX模型的代码：

from mmcls.apis import init_model
import torchresnet18 = init_model('resnet18_8xb32_in1k.py',checkpoint='resnet18_8xb32_in1k_20210831-fbbb1da6.pth',device='cuda:0')
# 由于模型在训练过程中有drop_out，而且模型中BN层的参数会随着输入的变化而变化，推理的时候要消除这些影响，因此需要打开evaluation模式，起到使参数固定的作用
resnet18.eval()
x = torch.rand((1,3,224,224),device='cuda:0')
# 动态输入（批处理）
torch.onnx.export(resnet18, (x,False), 'batch_resnet18.onnx', input_names=['input'], output_names=['output'], opset_version=11, dynamic_axes=dict(input=dict({0:'batch'}),output=dict({0:'batch'})))

使用TensorRT对动态输入的模型进行推理时，在构建阶段需要使用以下代码进行优化和转换：

trtexec --onnx=batch_resnet18.onnx \--saveEngine=batch_resnet18.plan \--minShapes=input:1x3x224x224 \				#最小shape--optShapes=input:8x3x224x224 \				#最优shape--maxShapes=input:32x3x224x224 \			#最大shape--workspace=1024

量化

使用量化（即低精度模型）同样是提升推理效率的手段。这里的可以使用fp16、int8或int4,量化为fp16一般不会有精度损失。

trtexec --onnx=batch_resnet18.onnx \--fp16 \--saveEngine=batch_fp16_resnet18.plan \--minShapes=input:1x3x224x224 \				#最小shape--optShapes=input:8x3x224x224 \				#最优shape--maxShapes=input:32x3x224x224 \			#最大shape--workspace=1024

trtexec --onnx=batch_resnet18.onnx \--int8 \--calib=calibration.cache \--saveEngine=batch_int8_resnet18.plan \--minShapes=input:1x3x224x224 \				#最小shape--optShapes=input:8x3x224x224 \				#最优shape--maxShapes=input:32x3x224x224 \			#最大shape--workspace=1024

常见问题

1. 避免在torch model中使用numpy或者python内置类型，使用torch.Tensor。
2. 使用tensor.shape时，避免in-place操作。
3. 推理框架对onnx支持能力各不相同，需要专门适配：Backend adapter。
4. 算法迭代更新快，但推理框架对于算子的支持相对滞后：自定义算子。
5. Pytorch的动态特性（分支、循环），增加部署难度：重写模块、函数或符号。