本期講解便是基于 Tengine 實現 yolov4的 cpu推理。

完成動機：

主要是為了熟悉tengine的推理部署流程

一、模型轉換

采用下面鏈接中yolov4的模型權重和配置文件

https://github.com/ultralytics/yolov3github.com

源模型使用的是darknet格式，因為yolov4新增了mish算子，所以需要增加對應算子的序列化代碼才能正常轉換，下面是我的代碼改動，基本按照tanh算子進行相應增加。

https://github.com/zjd1988/Tengine-Convert-Toolsgithub.com

convert tools增加算子的詳細流程，參考官方增加自定義算子步驟：

（1）在operator/include/operator目錄下增加mish.hpp 和mish/_param.hpp/_文件，/_由于mish算子不需要額外的參數配置，因此mish/_para.hpp并沒有添加。mish.hpp內容可以參考其他類似沒有參數配置的算子（比如tanh）,在operator/operator 目錄下增加mish.cpp，增加算子實現代碼；

（2）在operator/operator目錄下增加mish算子內存分配的代碼，因為mish算子不涉及這部分修改，并未做任何修改

（3）在operator/operator/plugin/init.cpp文件中的operator/_plugin/_init函數中增加算子的注冊函數調用

（4）增加mish算子序列化和解析代碼

（4-1）在serializer/include/tengine/v2/tm2/_format.h中增加mish的類型宏定義和字符串宏定義 ；
（4-2）在serializer/tengine/v2/tm2/_op/_load.cpp文件中增加LoadTmMishOp函數實現，同時在LoadTmOpFunc函數中增加調用LoadTmMishOp的邏輯代碼；
（4-3）在serializer/tengine/v2/tm2/_op/_save.cpp文件中增加SaveTmMishOp函數實現，同時在SaveTmReorgOp函數中增加調用SaveTmMishOp的邏輯代碼；
（4-4）在serializer/tengine/v2/tm2/_op/_serializer.hpp，增加LoadTmMishOp和 SaveTmMishOp的函數聲明

（4-5）本次轉換模型針對darknet，所以需要對tools/darknet/darknet/_serializer.cpp文件中增加mish算子解析的相應邏輯。 因為mish沒有單獨使用，而是作為conv的激活函數調用，所以是在LoadConv2D函數參照leaky增加相應的代碼。其他單獨算子的實現也可以參考其他類似算子的實現方式

完成代碼改動后，按照如下操作進行編譯，即可生成轉換工具

mkdir build && cd build
cmake ..
make -j4 && make install

最后執行轉換動作（提前準備好模型文件）

./install/bin/tm_convert_tool -f darknet -p yolov4.cfg -m yolov4.weights -o yolov4.tmfile

二、推理

官方代碼鏈接下的readme并沒有找到介紹如何新增算子，但是可以參考類似算子進行修改添加，下面是我參考tanh算子的實現，進行的修改

（1-1）在inlcude/tengine/_op.h中增加mish的枚舉定義，include/tengine/_op/_name.h中增加mish的字符串宏定義
（1-2）在src/op/mish.c中增加mish算子的注冊函數
（1-3）在src/serializer/tm/tm2/_format.h 和src/serializer/tm/op/tm2/_mish.c 中增加序列化相關代碼,

note：src/serializer/tm/tm2/_format.h中定義算子的類型數值需要跟convert/_tools下的serializer/include/tengine/v2/tm2/_format.h代碼保持一致

（1-4）在src/dev/cpu/op/目錄下增加mish算子實現代碼目錄，包括mish/_ref.c（x86）、mish/_hcl/_arm.c（arm），其中contex-a目錄下的文件為具體的kernel實現代碼

也可以參考下面的鏈接，查看有哪些代碼改動和文件增加：

https://github.com/zjd1988/Tenginegithub.com

測試

測試圖片使用的是標題中的圖片（512x384）test.jpg
測試代碼使用的官方代碼

examples/tm_yolov3_tiny.cpp

做了簡單修改。

三、后續

（1）合并conv和mish算子
（2）后續抽空新增一個需要配置參數的算子

四、使用感受

（1）模型轉換和推理分離，新增算子需要增加兩次，官方回復會后續考慮合并，希望會越來越方便
（2）推理引擎編譯速度快（本文目的不在于測試性能，只是驗證tengine在推理yolov4的正確性）
（3）代碼結構清晰，便于閱讀和調試

以上便是解答過程以及使用感受。

更多Tengine相關內容請關注Tengine-邊緣AI推理框架專欄。

審核編輯 黃昊宇