01

背景

今年來(lái)以ChatGPT為代表的大模型的驚艷效果，讓AI行業(yè)迎來(lái)了新的動(dòng)力。各種AIGC的應(yīng)用接踵而至。我們知道類似ChatGPT的大模型，其核心網(wǎng)絡(luò)結(jié)構(gòu)均基于Google 2017年的論文提出的Transformer的論文《Attention Is All You Need》。在計(jì)算機(jī)視覺(jué)建模一直由卷積神經(jīng)網(wǎng)絡(luò)（CNN）主導(dǎo)，基于Transformer結(jié)構(gòu)的網(wǎng)絡(luò)模型長(zhǎng)時(shí)間停留在各大頂會(huì)“刷榜”階段，真正大規(guī)模落地并不突出。直到ICCV 2021的最佳論文《Swin Transformer》才達(dá)到了準(zhǔn)確率和性能雙佳的效果。

但是到目前為止，類似Swin Transformer的視覺(jué)類Transformer網(wǎng)絡(luò)模型大多數(shù)還是部署在云端服務(wù)器上，原因是GPU對(duì)于MHA結(jié)構(gòu)計(jì)算支持更友好，反而邊緣側(cè)/端側(cè)AI芯片由于其DSA架構(gòu)限制，為了保證CNN結(jié)構(gòu)的模型效率更好，基本上對(duì)MHA結(jié)構(gòu)沒(méi)有過(guò)多性能優(yōu)化，甚至需要修改網(wǎng)絡(luò)結(jié)構(gòu)才能勉強(qiáng)部署。這也間接限制了算法工程師在邊緣計(jì)算應(yīng)用上進(jìn)一步發(fā)揮Transformer網(wǎng)絡(luò)的想象力。

今年3月，愛(ài)芯元智發(fā)布了新一代產(chǎn)品AX650N，內(nèi)置了其自主研發(fā)的第三代神經(jīng)網(wǎng)絡(luò)單元，進(jìn)一步提升了最新AI算法模型的部署能力，可幫助用戶在智慧城市，智慧教育，智能制造等領(lǐng)域發(fā)揮更大的價(jià)值。最近我通過(guò)正式渠道有幸拿到了一塊AX650N Demo板進(jìn)行嘗鮮體驗(yàn)。

本文的目的是簡(jiǎn)單介紹基于AX650N Demo配套的新一代AI工具鏈如何優(yōu)雅地將Swin Transformer模型部署到AX650N Demo板上，希望能給算法工程師們?cè)赥ransformer網(wǎng)路部署落地上提供一種新的思路和途徑。

02

Swin Transformer

The architecture of a Swin Transformer

目前Transformer應(yīng)用到圖像領(lǐng)域主要有兩大挑戰(zhàn)：

視覺(jué)實(shí)體變化大，在不同場(chǎng)景下視覺(jué)Transformer性能未必很好；

圖像分辨率高，像素點(diǎn)多，Transformer基于全局自注意力的計(jì)算導(dǎo)致計(jì)算量較大。

2.1 原理

針對(duì)上述兩個(gè)問(wèn)題，微軟在《Swin Transformer》的論文中提出了一種包含滑窗操作。其中滑窗操作包括不重疊的local window，和重疊的cross-window。將注意力計(jì)算限制在一個(gè)窗口中，一方面能引入CNN卷積操作的局部性，另一方面能節(jié)省計(jì)算量。在各大圖像任務(wù)上，Swin Transformer都具有很好的性能。

2.2 分析

相比常見(jiàn)CNN網(wǎng)絡(luò)模型，其實(shí)也就是新增了MHA（Multi Head Attention）的關(guān)鍵算子

LayerNormalization

Matmul

GELU

量化

LN、GELU、Matmul存在掉點(diǎn)風(fēng)險(xiǎn)

計(jì)算效率

占比最大的計(jì)算操作由Conv變成Matmul，因此要求硬件平臺(tái)MatMul計(jì)算能力強(qiáng)

03

模型轉(zhuǎn)換

Pulsar2介紹

Pulsar2（暫定名）是我們的新一代AI工具鏈，在吸取上一代工具鏈Pulsar的優(yōu)秀行業(yè)經(jīng)驗(yàn)和不足之處的反思后進(jìn)行的重構(gòu)，依然包含“模型轉(zhuǎn)換、離線量化、模型編譯、異構(gòu)調(diào)度”四合一功能，進(jìn)一步強(qiáng)化的網(wǎng)絡(luò)模型快速、高效的部署需求。在針對(duì)第三NPU架構(gòu)進(jìn)行了深度定制優(yōu)化的同時(shí)，也擴(kuò)展了算子&模型支持的能力及范圍，對(duì)Transformer結(jié)構(gòu)的網(wǎng)絡(luò)也有較好的支持。

pulsar2 deploy pipeline

3.1 模型下載

從Swin Transformer的官方倉(cāng)庫(kù)獲取模型，由于是基于PyTorch訓(xùn)練，導(dǎo)出的是原始的pth模型格式，而對(duì)于部署的同學(xué)而言，更喜歡使用ONNX模型進(jìn)行后續(xù)的產(chǎn)品落地，為了方便測(cè)試，我們提供該模型的ONNX版本導(dǎo)出腳本，降低模型獲取門檻，便于之前不熟悉的同學(xué)直接掌握其中的關(guān)鍵操作。

import onnx
import torch
import requests
from onnxsim import simplify
from PIL import Image
from transformers import AutoFeatureExtractor, SwinForImageClassification


def download_swin_model(model_name):
  prefix = "microsoft"
  model_id = f"{prefix}/{model_name}" # google/vit-base-patch16-384


  url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
  image = Image.open(requests.get(url, stream=True).raw)
  feature_extractor = AutoFeatureExtractor.from_pretrained(model_id)
  model = SwinForImageClassification.from_pretrained(model_id)
  inputs = feature_extractor(images=image, return_tensors="pt")
  outputs = model(**inputs)
  logits = outputs.logits
  # model predicts one of the 1000 ImageNet classes
  predicted_class_idx = logits.argmax(-1).item()
  print("Predicted class:", model.config.id2label[predicted_class_idx])


  # export
  model_path = f"{model_name}.onnx"
  torch.onnx.export(
    model,
    tuple(inputs.values()),
    f=model_path,
    do_constant_folding=True,
    opset_version=13,
    input_names=["input"],
    output_names=["output"]
  )


  # simplify
  model = onnx.load(model_path)
  model_simp, check = simplify(model)
  assert check, "Simplified ONNX model could not be validated"
  simp_path = f"{model_name}_sim.onnx"
  onnx.save(model_simp, simp_path)


def main():
  download_swin_model(model_name="swin-tiny-patch4-window7-224") # microsoft/swin-tiny-patch4-window7-224


if __name__ == "__main__":
  main()

3.2 模型編譯

Pulsar2為了提升用戶使用體驗(yàn)，降低Pulsar客戶遷移的學(xué)習(xí)成本，基本上延續(xù)了原有風(fēng)格，包括Docker環(huán)境安裝、命令行指令、配置文件修改參數(shù)、仿真功能等。同時(shí)針對(duì)編譯速度慢的痛點(diǎn)，進(jìn)行了大幅度優(yōu)化，模型編譯的耗時(shí)相比第一代工具鏈平均降低了一個(gè)數(shù)量級(jí)（分鐘->秒）。

$ pulsar2 build --input model/swin-t.onnx --output_dir output --config config/swin-t.json --target_hardware=AX650
32 File(s) Loaded.
[10:22:36] AX Quantization Config Refine Pass Running ... Finished.
[10:22:36] AX Quantization Fusion Pass Running ...    Finished.
[10:22:36] AX Quantize Simplify Pass Running ...     Finished.
[10:22:36] AX Parameter Quantization Pass Running ...   Finished.
Calibration Progress(Phase 1): 100%|████████| 32/32 [00:08<00:00, ?3.92it/s]
Finished.
[10:22:45] AX Passive Parameter Quantization Running ... ?Finished.
[10:22:45] AX Parameter Baking Pass Running ... ? ? ? ? ? Finished.
[10:22:45] AX Refine Int Parameter pass Running ... ? ? ? Finished.
Network Quantization Finished.
quant.axmodel export success: output/quant/quant_axmodel.onnx
Building native ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% 0:00:00
......
2023-04-13 10:23:07.109 | INFO ? ? | yasched.test_onepass1475 - max_cycle = 6689562
2023-04-13 10:23:25.765 | INFO ? ? | yamain.command.build832 - fuse 1 subgraph(s)

從編譯log中我們大致看出，計(jì)算圖優(yōu)化、PTQ量化、離線編譯總共耗時(shí)只需50秒。然后我們來(lái)看一下大家比較關(guān)心的MHA結(jié)構(gòu)變成了什么樣子：

MHA ONNX原始結(jié)構(gòu)

MHA由工具鏈進(jìn)行圖優(yōu)化之后的quant.axmodel結(jié)構(gòu)

3.3 仿真運(yùn)行

在這一代工具鏈，我們提供更方便的pulsar2-run-helper的插件，可以模擬NPU計(jì)算流程，方便提前獲得上板運(yùn)行結(jié)果。（請(qǐng)大家記住仿真運(yùn)行的結(jié)果，后續(xù)章節(jié)將與上板實(shí)際部署的推理結(jié)果進(jìn)行比對(duì)）

python3 cli_classification.py --post_processing --axmodel_path models/swin-t.axmodel --intermediate_path sim_outputs/0
[I] The following are the predicted score index pair.
[I] 2.6688, 285
[I] 1.9528, 223
[I] 1.8877, 279
[I] 1.8877, 332
[I] 1.8226, 282

04

上板部署

AX650N Demo板的BSP上已經(jīng)預(yù)裝了NPU模型測(cè)試需要的工具

/root # sample_npu_classification -m swin-t.axmodel -i cat.jpg -r 100
--------------------------------------
model file : swin-t.axmodel
image file : cat.jpg
img_h, img_w : 224 224
--------------------------------------
Engine creating handle is done.
Engine creating context is done.
Engine get io info is done.
Engine alloc io is done.
Engine push input is done.
--------------------------------------
2.6688, 285
1.9528, 223
1.8877, 332
1.8877, 279
1.8226, 282
--------------------------------------
Repeat 100 times, avg time 8.64 ms, max_time 8.65 ms, min_time 8.64 ms
--------------------------------------

對(duì)比上一章節(jié)的仿真結(jié)果，完全一致。

4.1 算力分配

AX650N的10.8Tops@Int8的算力其實(shí)是可分配的，上述內(nèi)容中，按照默認(rèn)的編譯選項(xiàng)，其實(shí)只發(fā)揮了一部分算力（3.6Tops@Int8）。我們來(lái)看看滿算力下的耗時(shí)表現(xiàn)如何呢？

/root # ax_run_model -m swin-t-npu3.axmodel -r 100
Run AxModel:
   model: swin-t-npu3.axmodel
    type: NPU3
    vnpu: Disable
  affinity: 0b001
   repeat: 100
   warmup: 1
   batch: 1
  tool ver: 1.0.0
 ------------------------------------------------------
 min =  3.769 ms  max =  3.805 ms  avg =  3.778 ms
 ------------------------------------------------------
/root #
/root # sample_npu_classification -m swin-t-npu3.axmodel -i cat.jpg -r 100
--------------------------------------
model file : swin-t-npu3.axmodel
image file : cat.jpg
img_h, img_w : 224 224
--------------------------------------
Engine creating handle is done.
Engine creating context is done.
Engine get io info is done.
Engine alloc io is done.
Engine push input is done.
--------------------------------------
2.6688, 285
1.9528, 223
1.8877, 332
1.8877, 279
1.8226, 282
--------------------------------------
Repeat 100 times, avg time 3.78 ms, max_time 3.79 ms, min_time 3.77 ms
--------------------------------------

05

性能統(tǒng)計(jì)

NPU工具鏈的性能優(yōu)化是個(gè)長(zhǎng)期堅(jiān)持的過(guò)程，最新版本的性能數(shù)據(jù)會(huì)更優(yōu)秀。

審核編輯：劉清