TensorRT(6)-INT8 inference
這一節通過官方例程 介紹 INT8 inference mode.
例程位于?/usr/src/tensorrt/samples/sampleINT8?，是基于mnist的，大體流程是一致的。
流程同樣是 build(Calibration )->deploy，只不過在build時多了一個校準的操作。
注意以下幾點：
1 網絡定義
定義網絡時，注意這個地方傳進去的dataType，如果使用FP16 inference 則傳進去的是FP16，也就是kHALF；但如果是使用INT8 inference的話，這個地方傳進去的是kFLOAT，也就是 FP32，這是因為INT8 需要先用FP32的精度來確定轉換系數，TensorRT自己會在內部轉換成INT8。
|
1 2 3 4 5 |
const IBlobNameToTensor* blobNameToTensor = parser->parse(locateFile(deployFile).c_str(), locateFile(modelFile).c_str(), *network, DataType::kFLOAT); |
這個看起來就跟使用FP32是一樣的流程，INT8 MODE inference的輸入和輸出都是 FP32的。
（After the network has been built, it can be used just like an FP32 network, for example, inputs and outputs remain in 32-bit floating point.）
2 校準網絡-Calibrating The Network
校準網絡時，比較麻煩的是校準集的構建，作者定義了一個BatchStream class來完成這個操作。BatchStream類有個成員函數getBatch ()是為了依次讀取 batch file 中的數據的。
還有個校準類 Int8EntropyCalibrator，繼承自 NvInfer.h 中的 IInt8EntropyCalibrator
|
1 |
class Int8EntropyCalibrator : public IInt8EntropyCalibrator |
這個類里面也有個 getBatch () 成員函數，實際上調用的是 BatchStream類的getBatch () ，然后將數據從內存搬到了顯存，如下：
|
1 2 3 4 5 6 7 8 9 10 |
bool getBatch(void* bindings[], const char* names[], int nbBindings) override { if (!mStream.next()) return false; CHECK(cudaMemcpy(mDeviceInput, mStream.getBatch(), mInputCount * sizeof(float), cudaMemcpyHostToDevice)); assert(!strcmp(names[0], INPUT_BLOB_NAME)); bindings[0] = mDeviceInput; return true; } |
這個getBatch () 成員函數在校準時會被反復調用。
生成校準集時，校準集的樣本應該是已經進行過一系列預處理的圖片而不是原始圖片。
校準類 Int8EntropyCalibrator 和 BatchStream 類的實現說起來比較麻煩，在后面源碼解讀部分直接結合注釋看源碼吧。
3 builder的配置-Configuring The Builder
只需要在原來builder的基礎上添加以下：
|
1 2 |
builder->setInt8Mode(true); builder->setInt8Calibrator(calibrator); |
4 batch file的生成-Batch Files For Calibration
例程使用的batch file 已經制作好了，位于<TensorRT>/data/mnist/batches?這是一系列二進制文件，每個文件包含了 N 個圖片樣本，格式如下：
- 首先是4個32 bit的整形值，代表 {N, C, H, W},batchsize和圖片dims
- 然后是N個 {C, H, W}維度的浮點數據，代表N個樣本
batch file二進制文件的生成有兩種方式：
4.1 使用caffe生成
主要對于使用caffe的用戶，這里干脆直接將官方文檔上的說明拷貝過來好了，比較簡單：
Navigate to the samples data directory and create an INT8 mnist directory:
|
1 2 3 4 |
> cd <TensorRT>/samples/data > mkdir -p int8/mnist > cd int8/mnist > |
>
Note: If Caffe is not installed anywhere, ensure you clone, checkout, patch, and build Caffe at the specific commit:
|
1 2 3 4 5 6 7 8 9 10 |
> git clone https://github.com/BVLC/caffe.git > cd caffe > git checkout 473f143f9422e7fc66e9590da6b2a1bb88e50b2f > patch -p1 < <TensorRT>/samples/mnist/int8_caffe.patch > mkdir build > pushd build > cmake -DUSE_OPENCV=FALSE -DUSE_CUDNN=OFF ../ > make -j4 > popd > |
>
Download the mnist dataset from Caffe and create a link to it:
|
1 2 3 4 5 |
> bash data/mnist/get_mnist.sh > bash examples/mnist/create_mnist.sh > cd .. > ln -s caffe/examples . > |
>
Set the directory to store the batch data, execute Caffe, and link the mnist files:
|
1 2 3 4 5 6 7 |
> mkdir batches > export TENSORRT_INT8_BATCH_DIRECTORY=batches > caffe/build/tools/caffe test -gpu 0 -iterations 1000 -model examples/mnist/lenet_train_test.prototxt -weights > <TensorRT>/samples/mnist/mnist.caffemodel > ln -s <TensorRT>/samples/mnist/mnist.caffemodel . > ln -s <TensorRT>/samples/mnist/mnist.prototxt . > |
>
Execute sampleINT8 from the bin directory after being built with the following command:
|
1 2 |
> ./sample_int8 mnist > |
4.2 其他方式生成
對于不用caffe或者模型難以轉換成caffemode的用戶，首先要進行一系列預處理，然后按照前面提到的batch file格式生成二進制batch file文件，但這個生成過程要自己寫了，不過寫的話應該也比較簡單，可以參考caffe中的patch文件中的核心部分：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
#define LOG_BATCHES_FOR_INT8_TESTING 1 #if LOG_BATCHES_FOR_INT8_TESTING static int sBatchId = 0; char* batch_dump_dir = getenv("TENSORRT_INT8_BATCH_DIRECTORY"); if(batch_dump_dir != 0) { char buffer[1000]; sprintf(buffer, "batches/batch%d", sBatchId++); FILE* file = fopen(buffer, "w"); if(file==0) abort(); int s[4] = { top_shape[0], top_shape[1], top_shape[2], top_shape[3] }; fwrite(s, sizeof(int), 4, file); fwrite(top_data, sizeof(float), top_shape[0]*top_shape[1]*top_shape[2]*top_shape[3], file); fwrite(&top_label[0], sizeof(int), top_shape[0], file); fclose(file); } +#endif |
添加上數據集的讀取，劃分和預處理就可以了。
5 校準算法
從INT8的例程來看，TensorRT 支持兩種方式的校準，一種就是上節我們講過的使用相對熵的方式，還有一種是廢棄的校準算法，校準時需要設置兩個參數 cutoff 和 quantile，以下是 在GTC2017 上對INT8校準原理進行講解的 Szymon Migacz 對廢棄的校準算法的解讀：
https://devtalk.nvidia.com/default/topic/1015108/cutoff-and-quantile-parameters-in-tensorrt/
Parameters cutoff and quantile have to be specified only for “legacy” calibrator. It’s difficult to set values of cutoff and quantile without running experiments. Our recommended way was to run 2D grid search and look for optimal combination of (cutoff, quantile) for a given network on a given dataset. This was implemented in sampleINT8 shipped with TensorRT 2.0 EA.
New entropy calibrator doesn’t require any external hyperparameters, and it determines quantization thresholds automatically based on the distributions of activations on calibration dataset. In my presentation at GTC I was talking only about the new entropy calibrator, it’s available in TensorRT 2.1 GA.
Szymon Migacz并沒有充分的解釋這兩個參數，而是說這是 “legacy” calibrator中才會用到的參數，而且在沒有做充分的試驗的情況下，是很難合理地設置這兩個參數的。他推薦的做法是 針對特定的網絡結構和數據集使用 2D 網格搜索 來確定這兩個參數的取值。而 entropy calibrator ，就是使用相對熵的校準方法，不需要任何超參數，而且能夠根據校準集上的激活值分布自動確定量化閾值。NVIDIA官方也推薦使用使用相對熵校準的方式。所以 “legacy” calibrator 就不深入研究了。
6 源碼解讀
sampleINT8.cpp:
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 |
#include <assert.h> #include <fstream> #include <sstream> #include <iostream> #include <cmath> #include <sys/stat.h> #include <cmath> #include <time.h> #include <cuda_runtime_api.h> #include <unordered_map> #include <algorithm> #include <float.h> #include <string.h> #include <chrono> #include <iterator> #include "NvInfer.h" #include "NvCaffeParser.h" #include "common.h" #include "BatchStream.h" #include "LegacyCalibrator.h" using namespace nvinfer1; using namespace nvcaffeparser1; static Logger gLogger; // stuff we know about the network and the caffe input/output blobs const char* INPUT_BLOB_NAME = "data"; const char* OUTPUT_BLOB_NAME = "prob"; const char* gNetworkName{nullptr}; std::string locateFile(const std::string& input) { std::vector<std::string> dirs; dirs.push_back(std::string("data/int8/") + gNetworkName + std::string("/")); dirs.push_back(std::string("data/") + gNetworkName + std::string("/")); return locateFile(input, dirs); } bool caffeToTRTModel(const std::string& deployFile, // name for caffe prototxt const std::string& modelFile, // name for model const std::vector<std::string>& outputs, // network outputs unsigned int maxBatchSize, // batch size - NB must be at least as large as the batch we want to run with) DataType dataType, IInt8Calibrator* calibrator, nvinfer1::IHostMemory *&trtModelStream) { //創建一個builder，傳入自己實現的 gLogger 對象，為了打印信息用 // create the builder IBuilder* builder = createInferBuilder(gLogger); //創建一個 network 對象，并創建一個 ICaffeParser 對象，這個對象是用來進行模型轉換的；此時的 network 對象里面還是空的 // parse the caffe model to populate the network, then set the outputs INetworkDefinition* network = builder->createNetwork(); ICaffeParser* parser = createCaffeParser(); //判斷當前的硬件平臺是否支持 INT8 精度和 FP16 精度，兩者都不支持的話，直接返回 false if((dataType == DataType::kINT8 && !builder->platformHasFastInt8()) || (dataType == DataType::kHALF && !builder->platformHasFastFp16())) return false; // caffemodel到tensorrt的轉換, 注意這個地方傳進去的dataType， // 如果使用FP16 inference 則傳進去的是FP16，也就是kHALF // 如果是使用INT8 inference的話，這個地方傳進去的是kFLOAT也就是 FP32, // 因為INT8 需要先用FP32的精度來確定轉換系數，TensorRT自己會在內部轉換成INT8 const IBlobNameToTensor* blobNameToTensor = parser->parse(locateFile(deployFile).c_str(), locateFile(modelFile).c_str(), *network, dataType == DataType::kINT8 ? DataType::kFLOAT : dataType); //標志輸出tensor // specify which tensors are outputs for (auto& s : outputs) network->markOutput(*blobNameToTensor->find(s.c_str())); // Build the engine // 設置最大 batchsize和工作空間大小 2^30 ,這里是1G builder->setMaxBatchSize(maxBatchSize); builder->setMaxWorkspaceSize(1 << 30); // 設置平均迭代次數和最小迭代次數，這是測量每一層時間的一種策略，即多次迭代求平均值，不過這里只迭代一次 builder->setAverageFindIterations(1); builder->setMinFindIterations(1); //同步調試 builder->setDebugSync(true); //INT8 MODE or/and FP16 MODE builder->setInt8Mode(dataType == DataType::kINT8); builder->setFp16Mode(dataType == DataType::kHALF); //設置INT8校準接口 builder->setInt8Calibrator(calibrator); // 創建engine ICudaEngine* engine = builder->buildCudaEngine(*network); assert(engine); //銷毀無用對象 // we don't need the network any more, and we can destroy the parser network->destroy(); parser->destroy(); //序列化到磁盤上，這里實際上是在內存中，沒有保存到磁盤 // serialize the engine, then close everything down trtModelStream = engine->serialize(); engine->destroy(); builder->destroy(); return true; } float doInference(IExecutionContext& context, float* input, float* output, int batchSize) { //從context恢復engine const ICudaEngine& engine = context.getEngine(); //創建engine的時候，會把輸入blob和輸出blob指針放進去，engine.getNbBindings() 就是為了獲取輸入和輸出的blob數目，以便于做檢查 //比如這里，就只有一個輸入和一個輸出，所以 檢查時可以這樣檢查 assert(engine.getNbBindings() == 2); // input and output buffer pointers that we pass to the engine - the engine requires exactly IEngine::getNbBindings(), // of these, but in this case we know that there is exactly one input and one output. assert(engine.getNbBindings() == 2); //每個輸入和輸出blob都需要申請顯存，故：void* buffers[engine.getNbBindings()]; void* buffers[2]; float ms{ 0.0f }; //為了將 buffer中的成員(指針或者地址)分別與輸入/輸出的blob相關聯，需要分別獲取輸入輸出blob在engine中的索引 // In order to bind the buffers, we need to know the names of the input and output tensors. // note that indices are guaranteed to be less than IEngine::getNbBindings() int inputIndex = engine.getBindingIndex(INPUT_BLOB_NAME), outputIndex = engine.getBindingIndex(OUTPUT_BLOB_NAME); //計算輸入輸出shape // create GPU buffers and a stream Dims3 inputDims = static_cast<Dims3&&>(context.getEngine().getBindingDimensions(context.getEngine().getBindingIndex(INPUT_BLOB_NAME))); Dims3 outputDims = static_cast<Dims3&&>(context.getEngine().getBindingDimensions(context.getEngine().getBindingIndex(OUTPUT_BLOB_NAME))); //計算實際的輸入輸出大小,申請顯存 size_t inputSize = batchSize*inputDims.d[0]*inputDims.d[1]*inputDims.d[2] * sizeof(float), outputSize = batchSize * outputDims.d[0] * outputDims.d[1] * outputDims.d[2] * sizeof(float); CHECK(cudaMalloc(&buffers[inputIndex], inputSize)); CHECK(cudaMalloc(&buffers[outputIndex], outputSize)); //從Host (CPU) 拷貝輸入數據到 Device(GPU)，也就是從內存到顯存 CHECK(cudaMemcpy(buffers[inputIndex], input, inputSize, cudaMemcpyHostToDevice)); //創建一個 cuda 異步流 cudaStream_t stream; CHECK(cudaStreamCreate(&stream)); //創建一個cuda事件 cudaEvent_t start, end; CHECK(cudaEventCreateWithFlags(&start, cudaEventBlockingSync)); CHECK(cudaEventCreateWithFlags(&end, cudaEventBlockingSync)); //標記stream流，start cudaEventRecord(start, stream); //異步執行inference，//標記stream流，end context.enqueue(batchSize, buffers, stream, nullptr); cudaEventRecord(end, stream); //事件同步 cudaEventSynchronize(end); //計算start事件和end事件之間的運行時間 cudaEventElapsedTime(&ms, start, end); //銷毀事件 cudaEventDestroy(start); cudaEventDestroy(end); //從Device(GPU) 拷貝輸出數據到 Host (CPU)，也就是從顯存到內存 CHECK(cudaMemcpy(output, buffers[outputIndex], outputSize, cudaMemcpyDeviceToHost)); //釋放顯存 CHECK(cudaFree(buffers[inputIndex])); CHECK(cudaFree(buffers[outputIndex])); //銷毀流對象 CHECK(cudaStreamDestroy(stream)); //返回inference時間 return ms; } //計算一個batch 中 top-1或top-5的正確的圖片數量 //對于輸出來說，一張圖片的輸出對應一個 outputSize 維的向量（比如mnist是10維的） //然而對于標簽來說一張圖片的標簽是一個0-9之間的數字 //batchProb是一個batch中的標簽向量按順序疊加到一個vector中的，10個數字一組對應一張圖片 //label就這這個batch的標簽向量，一個數字對應一張圖片 //outputsize是輸出維度（比如mnist的outputsize=10） //threshold：兩個取值：1，對應top-1；5對應top-5 int calculateScore(float* batchProb, float* labels, int batchSize, int outputSize, int threshold) { int success = 0; for (int i = 0; i < batchSize; i++) { //獲取每個batch的地址，并獲取預測向量中與標簽相同位置上的真實概率 //舉個例子：假設threshold=1 //i=0時，prob[0]-prob[9]是batch中的第一張圖片的預測輸出向量， //假設prob[0]-prob[9]的值為{0.1, 0.5, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05}，這張圖片的label是1. //那么correct = prob[(int)labels[i]]=prob[1]=0.5，之后判斷的是這個correct是否在top-1或者top-5范圍內 //做法是：統計 prob[0]-prob[9]之間比correct更大的值的個數 better，因為如果比correct大的話，最終輸出的肯定是錯的預測結果； //但是由于top-1，top-5允許你出錯的次數分別為1次和5次，所以只要 better < threshold，就認為預測準確，success++； //最后返回success，代表這個batch中按照 top-1 或 top-5的精度來算，預測對了幾張圖片。 float* prob = batchProb + outputSize*i, correct = prob[(int)labels[i]]; int better = 0; for (int j = 0; j < outputSize; j++) if (prob[j] >= correct) better++; if (better <= threshold) success++; } return success; } class Int8EntropyCalibrator : public IInt8EntropyCalibrator { public: Int8EntropyCalibrator(BatchStream& stream, int firstBatch, bool readCache = true) : mStream(stream), mReadCache(readCache) { DimsNCHW dims = mStream.getDims(); mInputCount = mStream.getBatchSize() * dims.c() * dims.h() * dims.w(); //為 mDeviceInput 申請顯存，跳過前面 firstBatch 個batch CHECK(cudaMalloc(&mDeviceInput, mInputCount * sizeof(float))); mStream.reset(firstBatch); } /** * 析構函數，釋放顯存 */ virtual ~Int8EntropyCalibrator() { CHECK(cudaFree(mDeviceInput)); } int getBatchSize() const override { return mStream.getBatchSize(); } bool getBatch(void* bindings[], const char* names[], int nbBindings) override { if (!mStream.next()) return false; //將mStream.getBatch()獲取到的數據拷貝到 mDeviceInput 中，也就是從內存到顯存 CHECK(cudaMemcpy(mDeviceInput, mStream.getBatch(), mInputCount * sizeof(float), cudaMemcpyHostToDevice)); assert(!strcmp(names[0], INPUT_BLOB_NAME)); bindings[0] = mDeviceInput; return true; } /** * 從文件中讀取校準數據，返回校準表緩存地址 * @param length 讀取長度 */ const void* readCalibrationCache(size_t& length) override { //首先清空mCalibrationCache mCalibrationCache.clear(); //從文件中讀取內容并放到 mCalibrationCache vector中 std::ifstream input(calibrationTableName(), std::ios::binary); input >> std::noskipws; if (mReadCache && input.good()) std::copy(std::istream_iterator<char>(input), std::istream_iterator<char>(), std::back_inserter(mCalibrationCache)); //返回 mCalibrationCache 地址或 空指針 length = mCalibrationCache.size(); return length ? &mCalibrationCache[0] : nullptr; } /** * 將校準數據存儲到文件中 * @param cache 校準數據內存地址 * @param length 數據長度 */ void writeCalibrationCache(const void* cache, size_t length) override { std::ofstream output(calibrationTableName(), std::ios::binary); output.write(reinterpret_cast<const char*>(cache), length); } private: /** * 存儲校準數據的文件 * @return 文件名稱 */ static std::string calibrationTableName() { assert(gNetworkName); return std::string("CalibrationTable") + gNetworkName; } //batch流 BatchStream mStream; //是否從文件中讀取校準數據 bool mReadCache{ true }; //校準時 GPU接受 的 數據量mInputCount 和 數據內容 mDeviceInput size_t mInputCount; void* mDeviceInput{ nullptr }; //存放從文件中讀取到的校準數據，也就是scale_factor 縮放系數 std::vector<char> mCalibrationCache; }; /** * 用于模型評分，包含了caffe模型向ensorRT的轉化以及inference的執行 * @param batchSize 批尺寸 * @param firstBatch 跳過初始的一些batch * @param nbScoreBatches 測試的 batch總數 * @param datatype 以何種精度inference * @param calibrator 校準接口 * @param quiet 是否輸出調試信息 */ std::pair<float, float> scoreModel(int batchSize, int firstBatch, int nbScoreBatches, DataType datatype, IInt8Calibrator* calibrator, bool quiet = false) { IHostMemory *trtModelStream{ nullptr }; // 調用 caffeToTRTModel 將caffe模型解析為TensorRT bool valid = false; if (gNetworkName == std::string("mnist")) valid = caffeToTRTModel("deploy.prototxt", "mnist_lenet.caffemodel", std::vector < std::string > { OUTPUT_BLOB_NAME }, batchSize, datatype, calibrator, trtModelStream); else valid = caffeToTRTModel("deploy.prototxt", std::string(gNetworkName) + ".caffemodel", std::vector < std::string > { OUTPUT_BLOB_NAME }, batchSize, datatype, calibrator, trtModelStream); // 如果GPU不支持某種精度類型，比如FP16/INT8，則返回（0,0） if(!valid) { std::cout << "Engine could not be created at this precision" << std::endl; return std::pair<float, float>(0,0); } assert(trtModelStream != nullptr); // 恢復創建engine，創建上下文環境 // Create engine and deserialize model. IRuntime* infer = createInferRuntime(gLogger); assert(infer != nullptr); ICudaEngine* engine = infer->deserializeCudaEngine(trtModelStream->data(), trtModelStream->size(), nullptr); assert(engine != nullptr); trtModelStream->destroy(); IExecutionContext* context = engine->createExecutionContext(); assert(context != nullptr); //創建 batch 流對象，并跳過開始的一些batch，共firstBatch個，此處等于100 BatchStream stream(batchSize, nbScoreBatches); stream.skip(firstBatch); // output tensor 維度 Dims3 outputDims = static_cast<Dims3&&>(context->getEngine().getBindingDimensions(context->getEngine().getBindingIndex(OUTPUT_BLOB_NAME))); //確定輸出 tensor 數據量大小 int outputSize = outputDims.d[0]*outputDims.d[1]*outputDims.d[2]; int top1{ 0 }, top5{ 0 }; float totalTime{ 0.0f }; //每張圖片都有一個 outputSize 大小的向量(比如 mnist 分類大小為10)，那么一個batch的輸出應該為 batchSize * outputSize std::vector<float> prob(batchSize * outputSize, 0); //依次對不同的batch進行inference，stream.next()獲取下一個batch while (stream.next()) { //輸入數據：stream.getBatch()，輸出數據：prob 每循環一次就對一個batch的數據進行測試，這個batch的輸出放在 prob 中 totalTime += doInference(*context, stream.getBatch(), &prob[0], batchSize); //對每個batch，按照top-1和top-5精度來計算準確率 top1 += calculateScore(&prob[0], stream.getLabels(), batchSize, outputSize, 1); top5 += calculateScore(&prob[0], stream.getLabels(), batchSize, outputSize, 5); //讀取10個batch輸出一個點，讀取800個輸出一個換行符 std::cout << (!quiet && stream.getBatchesRead() % 10 == 0 ? "." : "") << (!quiet && stream.getBatchesRead() % 800 == 0 ? "\n" : "") << std::flush; } //統計總共讀到了多少張圖片，并計算top-1和top-5正確率 int imagesRead = stream.getBatchesRead()*batchSize; float t1 = float(top1) / float(imagesRead), t5 = float(top5) / float(imagesRead); // 精度和時間，結果輸出 if (!quiet) { std::cout << "\nTop1: " << t1 << ", Top5: " << t5 << std::endl; std::cout << "Processing " << imagesRead << " images averaged " << totalTime / imagesRead << " ms/image and " << totalTime / stream.getBatchesRead() << " ms/batch." << std::endl; } //銷毀無用對象，返回準確率 context->destroy(); engine->destroy(); infer->destroy(); return std::make_pair(t1, t5); } int main(int argc, char** argv) { if (argc < 2) { std::cout << "Please provide the network as the first argument." << std::endl; exit(0); } gNetworkName = argv[1]; //前 firstScoreBatch 個 batch是用來作為校準集的，因此在測試時這些是不進行測試的 int batchSize = 100, firstScoreBatch = 100, nbScoreBatches = 400; // by default we score over 40K images starting at 10000, so we don't score those used to search calibration //search變量是LEGACY_CALIBRATION校準算法中使用的變量，具體作用要看 LegacyCalibrator.h 源碼，因為這個校準算法nvidia已經不推薦使用了，所以這里不深究了 bool search = false; //校準算法 選擇參考 Nvinfer.h 文件，kENTROPY_CALIBRATION：使用信息熵進行校準；kLEGACY_CALIBRATION，使用以前遺留下來的算法進行校準 // enum class CalibrationAlgoType : int // { // kLEGACY_CALIBRATION = 0, // kENTROPY_CALIBRATION = 1 // }; CalibrationAlgoType calibrationAlgo = CalibrationAlgoType::kENTROPY_CALIBRATION; // 處理命令行參數 for (int i = 2; i < argc; i++) { if (!strncmp(argv[i], "batch=", 6)) batchSize = atoi(argv[i] + 6); else if (!strncmp(argv[i], "start=", 6)) firstScoreBatch = atoi(argv[i] + 6); else if (!strncmp(argv[i], "score=", 6)) nbScoreBatches = atoi(argv[i] + 6); else if (!strncmp(argv[i], "search", 6)) search = true; else if (!strncmp(argv[i], "legacy", 6)) calibrationAlgo = CalibrationAlgoType::kLEGACY_CALIBRATION; else { std::cout << "Unrecognized argument " << argv[i] << std::endl; exit(0); } } if (calibrationAlgo == CalibrationAlgoType::kENTROPY_CALIBRATION) { search = false; } //batchsize不能大于128，這是為何？ if (batchSize > 128) { std::cout << "Please provide batch size <= 128" << std::endl; exit(0); } //感覺這里寫錯了，應該是 50000 if ((firstScoreBatch + nbScoreBatches)*batchSize > 500000) { std::cout << "Only 50000 images available" << std::endl; exit(0); } //設置標準輸出流輸出的精度 std::cout.precision(6); //用于構建校準集的batch流 //CAL_BATCH_SIZE = 50;NB_CAL_BATCHES = 10; 定義在 LegacyCalibrator.h文件中, 既然廢棄了 LegacyCalibrator，為什么不把常量定義在本文件中 BatchStream calibrationStream(CAL_BATCH_SIZE, NB_CAL_BATCHES); //FP32精度不需要校準集，因此最后一個參數傳入 nullptr std::cout << "\nFP32 run:" << nbScoreBatches << " batches of size " << batchSize << " starting at " << firstScoreBatch << std::endl; scoreModel(batchSize, firstScoreBatch, nbScoreBatches, DataType::kFLOAT, nullptr); //FP16精度不需要校準集，因此最后一個參數傳入 nullptr std::cout << "\nFP16 run:" << nbScoreBatches << " batches of size " << batchSize << " starting at " << firstScoreBatch << std::endl; scoreModel(batchSize, firstScoreBatch, nbScoreBatches, DataType::kHALF, nullptr); std::cout << "\nINT8 run:" << nbScoreBatches << " batches of size " << batchSize << " starting at " << firstScoreBatch << std::endl; if (calibrationAlgo == CalibrationAlgoType::kENTROPY_CALIBRATION) { //先構建校準集，然后調用scoreModel進行模型評估，創建engine時傳入了Int8EntropyCalibrator對象calibrator //FIRST_CAL_SCORE_BATCH = 100; 定義在 LegacyCalibrator.h文件中 Int8EntropyCalibrator calibrator(calibrationStream, FIRST_CAL_BATCH); scoreModel(batchSize, firstScoreBatch, nbScoreBatches, DataType::kINT8, &calibrator); } else { //被廢棄的校準算法，不解釋了 std::pair<double, double> parameters = getQuantileAndCutoff(gNetworkName, search); Int8LegacyCalibrator calibrator(calibrationStream, FIRST_CAL_BATCH, parameters.first, parameters.second); scoreModel(batchSize, firstScoreBatch, nbScoreBatches, DataType::kINT8, &calibrator); } shutdownProtobufLibrary(); return 0; } |
BatchStream.h，這個源碼看起來還是稍微有點費勁的，還是我C++功底不夠啊，得補。。。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 |
#ifndef BATCH_STREAM_H #define BATCH_STREAM_H #include <vector> #include <assert.h> #include <algorithm> #include "NvInfer.h" std::string locateFile(const std::string& input); class BatchStream { public: //構造函數，使用 batchSize 和 maxBatches 初始化 BatchStream 中的 mBatchSize(批尺寸) 和 mMaxBatches(批數量) BatchStream(int batchSize, int maxBatches) : mBatchSize(batchSize), mMaxBatches(maxBatches) { //讀取第一個batch文件的shape，用于一系列初始化操作 FILE* file = fopen(locateFile(std::string("batches/batch0")).c_str(), "rb"); int d[4]; fread(d, sizeof(int), 4, file); mDims = nvinfer1::DimsNCHW{ d[0], d[1], d[2], d[3] }; fclose(file); //單張圖片的大小（總的像素個數） mImageSize = mDims.c()*mDims.h()*mDims.w(); //根據batch文件中的單張圖片大小mImageSize初始化 BatchStream 中的 mBatch 的內存空間，初值為0；同理根據mBatchSize初始化mLabels //mBatch指的是BatchStream中的batch，batch的個數為mBatchSize，所以數據量總數為mBatchSize*mImageSize， //mLabels是BatchStream中的label，總數就是 mBatchSize mBatch.resize(mBatchSize*mImageSize, 0); mLabels.resize(mBatchSize, 0); //有兩塊專門的內存區域用于存儲讀取到的batch{i} 文件內容，就是下面兩個。這兩塊內存區域里的內容在后面會被復制到 mBatch和mLabels中 //mFileBatch指的是讀取到的 batch{i} 文件中的batch，因此總數為mDims.n()*mDims.c()*mDims.h()*mDims.w()=mDims.n()*mImageSize //mFileLabels指的是讀取到的 batch{i} 文件中的label，因此總數為 mDims.n() mFileBatch.resize(mDims.n()*mImageSize, 0); mFileLabels.resize(mDims.n(), 0); reset(0); } // reset操作 void reset(int firstBatch) { mBatchCount = 0; mFileCount = 0; mFileBatchPos = mDims.n(); skip(firstBatch); } /** * stream.next()每調用一次，就使用batch file中的數據(讀取后首先是變量名為mFileBatch的buffer)填充一個mBatch * @return 是否填充成功 */ bool next() { //已經讀取到 最大 批數量 了，返回false if (mBatchCount == mMaxBatches) return false; // 將mFileBatch（相當于buffer）中的內容拷貝到mBatch中， //由于mFileBatch和mBatch大小有可能不一樣,所以才這么寫 for (int csize = 1, batchPos = 0; batchPos < mBatchSize; batchPos += csize, mFileBatchPos += csize) { assert(mFileBatchPos > 0 && mFileBatchPos <= mDims.n()); //調用update函數，讀取batches文件夾中的 batch{i} 文件，讀取失敗的話直接在這里返回false， //調用update函數會使 mFileBatchPos=0，這是合理的，因為還沒有開始往 mBatch 拷貝數據 if (mFileBatchPos == mDims.n() && !update()) return false; //一次從batch文件中讀取 csize 張圖片， //由于mFileBatch和mBatch大小有可能不一樣所以借助 mFileBatchPos 和 batchpos 來指示batch文件和mbatch中的當前操作(讀取或存儲)位置 //所以csize取二者之間較小值 // copy the smaller of: elements left to fulfill the request, or elements left in the file buffer. csize = std::min(mBatchSize - batchPos, mDims.n() - mFileBatchPos); //將 mFileBatch 和 mFileLabels 中存放的batch文件的內容復制到 mBatch 和 mLabels 中 std::copy_n(getFileBatch() + mFileBatchPos * mImageSize, csize * mImageSize, getBatch() + batchPos * mImageSize); std::copy_n(getFileLabels() + mFileBatchPos, csize, getLabels() + batchPos); } // mBatchCount自增，指示當前填充了多少個mBatch mBatchCount++; return true; } /** * 跳過前面多少個batch * @param skipCount 跳過的batch的個數 */ void skip(int skipCount) { //如果mBatchSize 大于等于 mDims.n()，并且 mBatchSize%mDims.n() == 0， //換句話說batchsteam中的batchsize(比如100)，比batch{i}文件的batchsize(比如50)大，并且能整除. //那么batchstream中一個 batch， 相當于 mBatchSize / mDims.n()個batch 個batch{i}文件 //舉個例子：batchsteam中batchsize=100，batch{i}文件中batchsize=50，那么batchsteam中一個batch相當于 兩個batch{i}文件 //那么在batchstream中跳過一個 batch， 相當于跳過 mBatchSize / mDims.n() 個 batch{i}文件 //所以才有 mFileCount += skipCount * mBatchSize / mDims.n(); //這時直接通過修改mFileCount的數值來讀取剩下的batch文件 if (mBatchSize >= mDims.n() && mBatchSize%mDims.n() == 0 && mFileBatchPos == mDims.n()) { mFileCount += skipCount * mBatchSize / mDims.n(); return; } //其他情況：batchsteam中的batchsize不能整除batch{i}文件的batchsize //循環調用 next() 讀取batch{i}文件，讀取skipCount個，由于next() 會改變 mBatchCount 的值，所以先暫存，再取出 int x = mBatchCount; for (int i = 0; i < skipCount; i++) next(); mBatchCount = x; } //獲取batchsteam中的 batch 和 label 的首地址， batch文件中的內容讀取后首先是放在 mFileBatch 和 mFileLabels 中， //但最終會被復制到 mBatch和mLabels中，校準使用的就是 mBatch 和mLabels，而不是直接從batch file中讀取進來的mFileBatch和mFileLabels float *getBatch() { return &mBatch[0]; } float *getLabels() { return &mLabels[0]; } //mBatchCount表示填充了多少個 mBatch 的數量 //mBatchSize表示填充mBatch時使用的batchsize int getBatchesRead() const { return mBatchCount; } int getBatchSize() const { return mBatchSize; } //獲取圖片的shape信息，這個在mBatch和mFileBatch中是一樣的 nvinfer1::DimsNCHW getDims() const { return mDims; } private: //batch文件（如batch0）中的圖像數據和標簽數據存放在 mFileBatch 和 mFileLabels 中，此處返回他們的地址 float* getFileBatch() { return &mFileBatch[0]; } float* getFileLabels() { return &mFileLabels[0]; } //此函數用于依次讀取 batches文件夾下的 batch{i} 文件，并將讀取到的內容存放在mFileBatch和mFileLabels中，讀取成功返回true，否則返回false bool update() { //依次讀取 batches文件夾下的 batch{i} 文件，mFileCount變量自增，指向下一個batch文件也就是 batch{i+1} 文件 std::string inputFileName = locateFile(std::string("batches/batch") + std::to_string(mFileCount++)); FILE * file = fopen(inputFileName.c_str(), "rb"); if (!file) return false; //從batch文件讀取當前 batch 的 shape 信息（圖像數據的shape） int d[4]; fread(d, sizeof(int), 4, file); assert(mDims.n() == d[0] && mDims.c() == d[1] && mDims.h() == d[2] && mDims.w() == d[3]); //從batch文件讀取圖像數據（精度為float，大小為mDims.n()*mImageSize ），存放到 mFileBatch 中 //從batch文件讀取標簽數據（精度為float，大小為mDims.n()），存放到mFileLabels中 size_t readInputCount = fread(getFileBatch(), sizeof(float), mDims.n()*mImageSize, file); size_t readLabelCount = fread(getFileLabels(), sizeof(float), mDims.n(), file);; assert(readInputCount == size_t(mDims.n()*mImageSize) && readLabelCount == size_t(mDims.n())); fclose(file); //每讀取一個batch文件，mFileBatchPos置零，也就是說新讀取的batch文件內容 mFileBatch 還沒有開始往 mBatch 拷貝 mFileBatchPos = 0; //讀取成功返回true return true; } //stream中的批尺寸和最大批數量，每填充一個mBatch，mBatchCount 自增1 int mBatchSize{ 0 }; int mMaxBatches{ 0 }; int mBatchCount{ 0 }; //mFileCount指向batches文件夾中的batch文件，就跟指針一樣，讀完一個batch，自增1 //mFileBatchPos在一個batch中當前操作的位置 int mFileCount{ 0 }, mFileBatchPos{ 0 }; //batchstream中的圖片大小，一般要求跟batch文件中的大小一致，初值為0 int mImageSize{ 0 }; //batch文件中的數據的shape nvinfer1::DimsNCHW mDims; // 從 batch文件 中讀到的圖像數據和標簽數據最終要放到這里來，這個是最終校準時使用的 std::vector<float> mBatch; std::vector<float> mLabels; //用以存取 從 batch文件 中讀到的圖像數據和標簽數據，相當于buffer std::vector<float> mFileBatch; std::vector<float> mFileLabels; }; #endif |
7 結果
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
myself@admin:~/workspace/study/tensorrt/bin$ ./sample_int8 mnist FP32 run:400 batches of size 100 starting at 100 ........................................ Top1: 0.9904, Top5: 1 Processing 40000 images averaged 0.00167893 ms/image and 0.167893 ms/batch. FP16 run:400 batches of size 100 starting at 100 Engine could not be created at this precision INT8 run:400 batches of size 100 starting at 100 ........................................ Top1: 0.9908, Top5: 1 Processing 40000 images averaged 0.0013438 ms/image and 0.13438 ms/batch. |
從這例程中也忽然發現在TensorRT中 1080ti GPU竟然不支持 FP16 mode，雖然1080ti官方的參數上是支持 float16的，但是在TensorRT中竟然不能使用。查了一下，是因為 1080ti的float16 吞吐量太低（throughput），效率太低，應該是TensorRT對float16也進行了條件限制，吞吐量太低的不支持。
從資料中得知，只有 Tesla P100, Quadro GP100, and Jetson TX1/TX2 支持 full-rate FP16 performance，應該也就只有這些才支持 TensorRT的FP16吧。新出的 TITAN V 加了tensor core，float16半精度性能有很大提升，應該也支持？不過有意思的是jetson TX1和 TX2 卻能支持 FP16，反而不支持INT8.
可以參考下面資料：
FP16 –half=true option doesn’t work on GTX 1080 TI although it runs ./sample_int8 INT8
FP16 support on gtx 1060 and 1080
The only GPUs with full-rate FP16 performance are Tesla P100, Quadro GP100, and Jetson TX1/TX2. All GPUs with compute capability 6.1 (e.g. GTX 1050, 1060, 1070, 1080, Pascal Titan X, Titan Xp, Tesla P40, etc.) have low-rate FP16 performance. It’s not the fast path on these GPUs. All of these GPUs should support “full rate” INT8 performance, however.
從結果上看：
INT8 MODE：Top 1 0.9908， 速度：0.0013438 ms/image ；
FP32 MODE : Top 1 0.9904，速度：0.00167893 ms/image；
準確率竟然還高那么一點點，速度上大概快了20%。
參考
總結
以上是生活随笔為你收集整理的TensorRT(6)-INT8 inference的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： TensorRT(5)-INT8校准原理
- 下一篇： 贷款的风险有哪些