2018/10/13


一直以来,树莓派以其良好的社区生态,广受嵌入式爱好者、创客欢迎。在一些相关的社区上(比如树莓派实验室),我们可以看到非常丰富的应用示例及其教程。但在树莓派上的深度学习应用并不常见,这主要是受到树莓派计算力的限制,比如之前看到过有人把yolov2原原本本生硬地部署到树莓派上,结果每一帧检测耗时高达6分钟!!作一帧目标检测花费6分钟这实在是无法忍受的!

如果是用yolov2-tiny的话会快很多,但耗时依旧接近40秒,参考树莓派3B上测试YOLO效果 | CSDN


那树莓派只能跟深度学习无缘了么?那可未必!


Tengine


OADI/Tengine | github


Tengine 是OPEN AI LAB为嵌入式设备开发的一个轻量级、高性能并且模块化的引擎。

Tengine在嵌入式设备上支持CPU,GPU,DLA/NPU,DSP异构计算的计算框架,实现异构计算的调度器,基于ARM平台的高效的计算库实现,针对特定硬件平台的性能优化,动态规划计算图的内存使用,提供对于网络远端AI计算能力的访问支持,支持多级别并行,整个系统模块可拆卸,基于事件驱动的计算模型,吸取已有AI计算框架的优点,设计全新的计算图表示。


编译安装开源版Tengine


安装相关工具


sudo apt-get install git cmake



安装支持库


sudo apt-get install libprotobuf-dev protobuf-compiler libboost-all-dev libgoogle-glog-dev libopencv-dev libopenblas-dev



下载&编译


  1. 从github上下载最新的开源版Tengine源码
git clone https://github.com/OAID/Tengine.git
  1. 切换工作目录到Tengine
cd Tengine
  1. 准备好配置文件
    Tengine目录下提供了配置模板 makefile.config.example 文件
cp makefile.config.example makefile.config
  1. 修改配置文件 makefile.config
    由于开源版的Tengine不支持针对armv7的优化,所以需要用openblas替代实现;
    CONFIG_ARCH_ARM64=y 这一行注释掉(行首加井号 #)以关闭ARM64架构的优化实现;
    解除 CONFIG_ARCH_ARM32=yCONFIG_ARCH_BLAS=y 这一行解除注释(删除行首的井号 #)以开启BLAS计算库的实现方式
  2. 编译并安装
make -j4
make install
  1. 这里的 -j4 表示开启四个线程进行编译


测试


  1. 下载mobilenet-ssd模型并放置在 Tengine/models 目录下
    下载链接(提取码为57vb):https://pan.baidu.com/s/1LXZ8vOdyOo50IXS0CUPp8g
  2. 将工作目录切换到mobilenet-ssd示例程序的目录下
cd ~/Tengine/examples/mobilenet_ssd
  1. 编译示例程序
cmake -DTENGINE_DIR=/home/pi/Tengine .
make
  1. 这里 -DTENGINE_DIR用于为cmake指定环境变量TENGINE_DIR,该变量可以在CMakeLists.txt文件中找到
  2. 运行示例程序
./MSSD
  1. 可以看到对一张照片进行目标检测,总共耗时1148.32ms

mssd-opensource.png


树莓派开发者版Tengine


开发者版下载地址:Tengine下载 - Tengine开发者中心


  1. 用树莓派开发者版Tengine的动态链接库覆盖掉原先的开源版
    动态链接库路径为:Tengine/install/lib/libtengine.so
    编译时,make会在build目录下产生libtengine.so动态链接库,而make instll将动态链接库、头文件等拷贝到install目录下

replace.png

  1. 重新运行mobilenet-ssd的示例程序
    可以看到,单帧耗时从1148.32ms下降为286.136ms,速度有了非常明显的提升!

mssd-education.png


小试牛刀


用上高性能的树莓派开发者版Tengine,看看mobilenet-ssd在树莓派上能表现如何——


为了方便,视频流直接从mp4文件读取,原始视频如下:


  1. hey-yahei/my_blog/RasPi-Tengine/mobilenet-ssd | github 上下载源码,并放置在 Tengine/example 目录下
  2. 检查 CMakeLists.txt 文件中TENGINE_DIR变量是否正确指向Tengine路径
  3. 执行 cmake . 生成Makefile
  4. 执行 make 编译程序
  5. 执行 ./MSSD 运行程序


实际效果如下:



本文开头我们说道,

直接在树莓派上配置darknet部署的yolo网络,yolov2单帧耗时接近6分钟,yolov2-tiny单帧耗时接近40秒

而在树莓派上配置Tengine部署的yolov2网络,在blas实现下单帧耗时不到8秒(参考利用Tengine在树莓派上跑深度学习网络 | songrbb),在针对armv7优化实现的开发者版下单帧耗时甚至不到2秒