架构设计

Mobile 在这次升级为 Lite 架构, 侧重多硬件、高性能的支持,其主要设计思想如下

  • 引入 Type system,强化多硬件、量化方法、data layout 的混合调度能力
  • 硬件细节隔离,通过不同编译开关,对支持的任何硬件可以自由插拔
  • 引入 MIR(Machine IR) 的概念,强化带执行环境下的优化支持
  • 优化期和执行期严格隔离,保证预测时轻量和高效率

架构图如下

https://user-images.githubusercontent.com/52520497/64949619-26e49580-d8ac-11e9-855a-514feb9b75af.pngPaddle Inference Refactor1.0

编译期和执行期严格隔离设计

  • compile time 优化完毕可以将优化信息存储到模型中;execution time 载入并执行
  • 两套 API 及对应的预测lib,满足不同场景
    • CxxPredictor 打包了 Compile TimeExecution Time,可以 runtime 在具体硬件上做分析和优化,得到最优效果
    • MobilePredictor 只打包 Execution Time,保持部署和执行的轻量

Execution Time 轻量级设计和实现

  • 每个 batch 实际执行只包含两个步骤执行
    • Op.InferShape
    • Kernel.Run,Kernel 相关参数均使用指针提前确定,后续无查找或传参消耗
    • 设计目标,执行时,只有 kernel 计算本身消耗
  • 轻量级 OpKernel 设计,避免框架额外消耗
    • Op 只有 CreateKernelsInferShape 两个重要职能
    • Kernel 只有 Run 职能

多硬件后端支持

  • 硬件通用行为,使用 TargetWrapper 模块做适配器适配,对上层框架提供一致界面
  • 框架上层策略保持硬件无关,如存储优化 (Memory optimize),计算剪枝 (Computation prune) 等,任何硬件接入均可直接复用
  • 框架支持了硬件通用行为,特定硬件细节不做过多约束,各硬件可以自行实现并接入框架
  • 计算模式上目前支持两种主流模型,一种是类似 X86, ARM CPU 等非异构设备;一种是 GPU,或 FPGA 等异构设备(支持 stream, event异步执行模式以及跨设备拷贝)

多硬件及算法混合调度支持

TensorTy 用来表示 Tensor 类型

  1. struct TensorTy {
  2. TargetType target;
  3. PrecisionType precision;
  4. DataLayout layout;
  5. int deviceid;
  6. };
  1. enum class TargetType { kARM, kX86, kCUDA, kOpenCL };
  2. enum class PrecisionType { kFP32, kFP16, kInt8, kInt16 };
  3. enum class DataLayout { kNCHW, kNHWC };

注册 Kernel,确定特定 Kernel 的输入输出特征

  1. REGISTER_LITE_KERNEL(
  2. mul, kARM, kFloat, kNCHW, arm::MulCompute, def)
  3. .BindInput("X", {LiteType::GetTensorTy(kARM, kFloat, kNCHW)})
  4. .BindInput("Y", {LiteType::GetTensorTy(kARM, kFloat, kNCHW))})
  5. .BindOutput("Out", {LiteType::GetTensorTy(kARM, kFloat, kNCHW)})
  6. .Finalize();

同一个 Op 的不同 Kernel 类似函数重载

用于支持任意的混合调度:

  1. 标记模型中所有 tensor 的 Type
  2. 标记 Kernel 的 硬件、执行精度、data layout 等信息

全局做类型推断,当发现 tensor 传递中有类型冲突,采用 type cast 操作,通过插入特定功能 Op 来实现正确的传导

https://user-images.githubusercontent.com/52520497/64949642-395ecf00-d8ac-11e9-8b69-ced1996abc3b.pnglite-7


MIR 用于图分析优化

基于 Type System 的 SSA,通过 IR Pass 对计算图进行分析和优化:

  • 支持对整个 graph 进行类型推断,发现类型冲突并加入 type cast op,来支持通用混合调度
  • 计算剪枝 (Compute prune),比如去掉 scale(1), assign op 等
  • 存储优化 (Memory optimize)
  • 操作熔合 (Operator fuse)(已经支持 fc, conv_bn, ele_add+act 等6种 fuse 策略)
  • 支持量化处理(已支持 Int8预测)