文档HOT
下载
中文
注册

迁移示例

下面，我们以ResNet50模型为例，介绍如何将基于TensorFlow 2.6.5框架和CPU/GPU环境运行的在线推理应用迁移到昇腾AI处理器上。

迁移前准备

准备基于TensorFlow 2.6.5框架的CPU/GPU在线推理代码和数据集，并在CPU/GPU环境跑通。

熟悉CPU/GPU在线推理流程

基于TensorFlow 2.6.5框架的在线推理代码主要包括：

  1. 准备resnet50.pb模型、输入节点、输出节点、数据集。
  2. 调用sess.run()执行推理。sess.run()中的feed_dict的作用是给使用placeholder创建出来的tensor赋值，我们可以提供feed（输入）数据，作为run()调用的参数。

关键推理代码为：

 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
def load_graph(frozen_graph):
    with tf.io.gfile.GFile(frozen_graph,"rb") as f:
        graph_def = tf.compat.v1.GraphDef()
        graph_def.ParseFromString(f.read())

    with tf.Graph().as_default() as graph:
        tf.import_graph_def(graph_def,name="")
    return graph

def NetworkRun(modelPath,inputPath,outputPath):
    graph = load_graph(modelPath)
    input_nodes = graph.get_tensor_by_name('Input:0')
    output_nodes = graph.get_tensor_by_name('Identity:0')
    
    with tf.compat.v1.Session(graph=graph) as sess:
        files = os.listdir(inputPath)
        files.sort()
        for file in files:
            if file.endswith(".bin"):
                input_img = np.fromfile(inputPath+"/"+file,dtype="float32").reshape(1,224,224,3)
                t0 = time.time()
                out = sess.run(output_nodes, feed_dict= {input_nodes: input_img,})
                t1 = time.time()
                out.tofile(outputPath+"/"+"cpu_out_"+file)
                print("{}, Inference time: {:.3f} ms".format(file,(t1-t0)*1000))

推理脚本迁移到昇腾AI处理器

  1. 迁移到昇腾AI处理器需要引入NPU的相关配置库。
1
2
3
4
import npu_device
from npu_device.compat.v1.npu_init import *
npu_device.compat.enable_v1()
from tensorflow.core.protobuf.rewriter_config_pb2 import RewriterConfig
  1. 在sess.run之前增加NPU的相关config配置。
1
2
3
4
5
6
config_proto = tf.compat.v1.ConfigProto()
custom_op = config_proto.graph_options.rewrite_options.custom_optimizers.add()
custom_op.name = "NpuOptimizer"
custom_op.parameter_map["precision_mode"].s = tf.compat.as_bytes("allow_mix_precision")
config_proto.graph_options.rewrite_options.remapping = RewriterConfig.OFF
tf_config = npu_config_proto(config_proto=config_proto)

查看是否迁移成功

在昇腾AI处理器执行迁移后的在线推理脚本，其执行成功的标志和训练成功打印一致，方法包括：

  1. 出现tf_adapter和The model has been compiled on the Ascend AI processor的关键字打印。

  2. 或者打开Dump计算图开关DUMP_GE_GRAPH，看能否产生Dump计算图。

检查推理性能和精度

推理性能是通过sess.run()前后时间打点差值来计算的。从本样例推理结果看，npu的性能远优于cpu的性能。

推理精度是将输出bin文件转成txt进行比较，从本样例推理结果可以看出npu与cpu精度差别不大。

父主题： 在线推理