深度学习算法优化系列二十二 | 利用TensorRT部署YOLOV3-Tiny INT8量化模型

客官°小女子只卖身不卖艺 2023-07-22 03:55 118阅读 0赞

1. 前言

上一节深度学习算法优化系列二十一 | 在VS2015上利用TensorRT部署YOLOV3-Tiny模型 分享了使用TensorRT在GPU上部署FP32的YOLOV3-Tiny模型，这一节继续分享一下如何部署INT8的YOLOV3-Tiny模型。

2. 确定走哪条路？

和上一节一样，这里仍然是走ONNX->TRT这条路，也就是说我这里的INT8量化是在TensorRT中使用nvonnxparser解析了YOLOV3-Tiny 的ONNX模型之后完成的，似乎这也是比较主流的方法。官方例子中提供了一个MNIST数据集的INT8量化，过程也是先用nvcaffeparser解析Caffe模型然后直接做量化并将原始模型序列化为TRT文件以供后面的图像推理。

所以，我这里走的路就是直接解析ONNX模型->INT8量化->序列化为TRT文件->完成推理。

3. 准备校准集

如果你懂TensorRT的量化原理，就没必要看这一节了，如果不懂也没关系后面我会单独写一篇文章来尝试解释一下。首先宏观的说一下，TensorRT对一个模型进行全INT8量化包含权重和激活值两大部分，对于权重采用的是直接非饱和量化，也就是说直接统计权重的最大值和最小值就可以完成量化。而对于激活值的量化，则需要以下步骤：

来自公众号的Ldpe2G作者，感谢

可以看到在量化激活值的时候需要利用校准集进行FP32的推理并收集每一层的激活值并统计直方图。因此，在INT8量化之前我们首先需要准备一下校准集。这里怎么准备呢？

很简单，你训练YOLOV3-Tiny的验证集抽出一部分就可以了(我这里使用了100张，NVIDIA的PPT里面说需要使用1000张，最好和PPT里面指定的图片数量一致，PPT见附录)，然后将图片的路径放到一个*.txt文件里面就可以了，如下图所示：

验证集

4. TensorRT INT8量化核心步骤

接着上一次推文的介绍，你已经可以获得YOLOV3-Tiny的FP32的ONNX文件。然后我们只需要写一个新的类int8EntroyCalibrator继承Int8EntropyCalibrator这个类，然后重写一些和数据读取相关的成员函数即可。这样就可以随心所欲的去修改校验数据的读取格式，不用像官方例子那样还必须转成Caffe模型并将数据集制作为指定格式。重载后的代码如下：

  1. namespace nvinfer1 {
  2.     class int8EntroyCalibrator : public nvinfer1::IInt8EntropyCalibrator {
  3.     public:
  4.         int8EntroyCalibrator(const int &bacthSize,
  5.             const std::string &imgPath,
  6.             const std::string &calibTablePath);
  8.         virtual ~int8EntroyCalibrator();
  10.         int getBatchSize() const override { return batchSize; }
  12.         bool getBatch(void *bindings[], const char *names[], int nbBindings) override;
  14.         const void *readCalibrationCache(std::size_t &length) override;
  16.         void writeCalibrationCache(const void *ptr, std::size_t length) override;
  18.     private:
  20.         bool forwardFace;
  22.         int batchSize;
  23.         size_t inputCount;
  24.         size_t imageIndex;
  26.         std::string calibTablePath;
  27.         std::vector<std::string> imgPaths;
  29.         float *batchData{ nullptr };
  30.         void  *deviceInput{ nullptr };
  34.         bool readCache;
  35.         std::vector<char> calibrationCache;
  36.     };
  38.     int8EntroyCalibrator::int8EntroyCalibrator(const int &bacthSize, const std::string &imgPath,
  39.         const std::string &calibTablePath) :batchSize(bacthSize), calibTablePath(calibTablePath), imageIndex(0), forwardFace(
  40.             false) {
  41.         int inputChannel = 3;
  42.         int inputH = 416;
  43.         int inputW = 416;
  44.         inputCount = bacthSize*inputChannel*inputH*inputW;
  45.         std::fstream f(imgPath);
  46.         if (f.is_open()) {
  47.             std::string temp;
  48.             while (std::getline(f, temp)) imgPaths.push_back(temp);
  49.         }
  50.         int len = imgPaths.size();
  51.         for (int i = 0; i < len; i++) {
  52.             cout << imgPaths[i] << endl;
  53.         }
  54.         batchData = new float[inputCount];
  55.         CHECK(cudaMalloc(&deviceInput, inputCount * sizeof(float)));
  56.     }
  58.     int8EntroyCalibrator::~int8EntroyCalibrator() {
  59.         CHECK(cudaFree(deviceInput));
  60.         if (batchData)
  61.             delete[] batchData;
  62.     }
  64.     bool int8EntroyCalibrator::getBatch(void **bindings, const char **names, int nbBindings) {
  65.         cout << imageIndex << " " << batchSize << endl;
  66.         cout << imgPaths.size() << endl;
  67.         if (imageIndex + batchSize > int(imgPaths.size()))
  68.             return false;
  69.         // load batch
  70.         float* ptr = batchData;
  71.         for (size_t j = imageIndex; j < imageIndex + batchSize; ++j)
  72.         {
  73.             //cout << imgPaths[j] << endl;
  74.             Mat img = cv::imread(imgPaths[j]);
  75.             vector<float>inputData = prepareImage(img);
  76.             cout << inputData.size() << endl;
  77.             cout << inputCount << endl;
  78.             if ((int)(inputData.size()) != inputCount)
  79.             {
  80.                 std::cout << "InputSize error. check include/ctdetConfig.h" << std::endl;
  81.                 return false;
  82.             }
  83.             assert(inputData.size() == inputCount);
  84.             int len = (int)(inputData.size());
  85.             memcpy(ptr, inputData.data(), len * sizeof(float));
  87.             ptr += inputData.size();
  88.             std::cout << "load image " << imgPaths[j] << "  " << (j + 1)*100. / imgPaths.size() << "%" << std::endl;
  89.         }
  90.         imageIndex += batchSize;
  91.         CHECK(cudaMemcpy(deviceInput, batchData, inputCount * sizeof(float), cudaMemcpyHostToDevice));
  92.         bindings[0] = deviceInput;
  93.         return true;
  94.     }
  95.     const void* int8EntroyCalibrator::readCalibrationCache(std::size_t &length)
  96.     {
  97.         calibrationCache.clear();
  98.         std::ifstream input(calibTablePath, std::ios::binary);
  99.         input >> std::noskipws;
  100.         if (readCache && input.good())
  101.             std::copy(std::istream_iterator<char>(input), std::istream_iterator<char>(),
  102.                 std::back_inserter(calibrationCache));
  104.         length = calibrationCache.size();
  105.         return length ? &calibrationCache[0] : nullptr;
  106.     }
  108.     void int8EntroyCalibrator::writeCalibrationCache(const void *cache, std::size_t length)
  109.     {
  110.         std::ofstream output(calibTablePath, std::ios::binary);
  111.         output.write(reinterpret_cast<const char*>(cache), length);
  112.     }
  113. }

有了这个类，所有的问题都解决了，接下来只需要在解析ONNX模型之后利用这个类进行INT8量化就可以了。

带注释的代码解析如下：

  1. // ONNX模型转为TensorRT引擎
  2. bool onnxToTRTModel(const std::string& modelFile, // onnx文件的名字
  3.     const std::string& filename,  // TensorRT引擎的名字 
  4.     IHostMemory*& trtModelStream) // output buffer for the TensorRT model
  5. {
  6.     // 创建builder
  7.     IBuilder* builder = createInferBuilder(gLogger.getTRTLogger());
  8.     assert(builder != nullptr);
  9.     nvinfer1::INetworkDefinition* network = builder->createNetwork();
  11.     if (!builder->platformHasFastInt8()) return false;
  13.     // 解析ONNX模型
  14.     auto parser = nvonnxparser::createParser(*network, gLogger.getTRTLogger());
  17.     //可选的 - 取消下面的注释可以查看网络中每层的详细信息
  18.     //config->setPrintLayerInfo(true);
  19.     //parser->reportParsingInfo();
  21.     //判断是否成功解析ONNX模型
  22.     if (!parser->parseFromFile(modelFile.c_str(), static_cast<int>(gLogger.getReportableSeverity())))
  23.     {
  24.         gLogError << "Failure while parsing ONNX file" << std::endl;
  25.         return false;
  26.     }
  29.     // 建立推理引擎
  30.     builder->setMaxBatchSize(BATCH_SIZE);
  31.     builder->setMaxWorkspaceSize(1 << 30);
  33.     nvinfer1::int8EntroyCalibrator *calibrator = nullptr;
  34.     if (calibFile.size()>0) calibrator = new nvinfer1::int8EntroyCalibrator(BATCH_SIZE, calibFile, "F:/TensorRT-6.0.1.5/data/v3tiny/calib.table");
  37.     //builder->setFp16Mode(true);
  38.     std::cout << "setInt8Mode" << std::endl;
  39.     if (!builder->platformHasFastInt8())
  40.         std::cout << "Notice: the platform do not has fast for int8" << std::endl;
  41.     builder->setInt8Mode(true);
  42.     builder->setInt8Calibrator(calibrator);
  43.     /*if (gArgs.runInInt8)
  44.     {
  45.         samplesCommon::setAllTensorScales(network, 127.0f, 127.0f);
  46.     }*/
  47.     //samplesCommon::setAllTensorScales(network, 1.0f, 1.0f);
  48.     cout << "start building engine" << endl;
  49.     ICudaEngine* engine = builder->buildCudaEngine(*network);
  50.     cout << "build engine done" << endl;
  51.     assert(engine);
  52.     if (calibrator) {
  53.         delete calibrator;
  54.         calibrator = nullptr;
  55.     }
  56.     // 销毁模型解释器
  57.     parser->destroy();
  59.     // 序列化引擎
  60.     trtModelStream = engine->serialize();
  62.     // 保存引擎
  63.     nvinfer1::IHostMemory* data = engine->serialize();
  64.     std::ofstream file;
  65.     file.open(filename, std::ios::binary | std::ios::out);
  66.     cout << "writing engine file..." << endl;
  67.     file.write((const char*)data->data(), data->size());
  68.     cout << "save engine file done" << endl;
  69.     file.close();
  71.     // 销毁所有相关的东西
  72.     engine->destroy();
  73.     network->destroy();
  74.     builder->destroy();
  76.     return true

剩下的内容就是一些预处理和NMS后处理，这里就不再赘述了，执行完程序后就会在指定路径下生成INT8量化的Table文件以及INT8量化后的TRT序列化文件，后面就可以直接加载这个文件进行推理了。所有完整细节请看我的提供的完整源码。

5. 1050Ti的速度测试


















YOLOV3-Tiny TRT模型 Inference Time
FP32 17ms
INT8 4ms

在1050Ti上运行了20个Loop测试了速度，发现前向推理的速度有4倍提升，同时TRT序列化文件的大小也减少了4倍左右。

6. 源码获取

在GiantPandaCV公众号后台回复 INT8 获取完整CPP文件。注意TensorRT版本为6.0。

公众号二维码：

公众号

7. 附录

  • TensorRT INT8量化官方PPT： http://on-demand.gputechconf.com/gtc/2017/presentation/s7310-8-bit-inference-with-tensorrt.pdf
  • https://github.com/NVIDIA/TensorRT/tree/release/6.0/samples/opensource/sampleINT8

欢迎关注GiantPandaCV, 在这里你将看到独家的深度学习分享，坚持原创，每天分享我们学习到的新鲜知识。( • ̀ω•́ )✧

有对文章相关的问题，或者想要加入交流群，欢迎添加BBuf微信：

二维码

发表评论

表情：
评论列表 （有 0 条评论，118人围观）

还没有评论，来说两句吧...

相关阅读