MaixPy 如何调用K210上的KPU为AI 加速？常用调用方式讲解

一、模型使用和硬件加速原理#

前面我们知道了模型是一组数据结构以及很多参数， 最终以一个文件比如 kmodel 格式的文件的形式存在。
而这个模型要能在 MaixPy 的程序里面被使用， 首先需要程序能够理解 kmodel 这个文件的格式， 并且支持模型里面的算法，这样才能按照模型的描述将输入经过一些裂计算过程后得到输出。

所以，重点就是支持模型里面的算法，称 算子， 理论上，我们可以用软件去实现这些算子， 就可以成功运行模型了， 而执行软件的物理器件是 CPU ， 神经网络模型的计算量很大，加上我们输入的是图片，图片本身的数据量就挺庞大， 就算是 K210 400MHz 的主频， 也无法满足流畅的推算模型。

所以， 要么升级 CPU，但是成本太高， 要么做一个专用的硬件， 让这个硬件专门去特定的算法，因为不像 CPU 一样要做通用计算， 所以速度会非常快，在电脑上， 我们通常使用专用的图像加速卡即 GPU 来加速图形计算， 在 K210 上，这个专门的硬件叫做 KPU (Kendryte Proccess Unit)，第一个单词是公司名， 其实和其它芯片的 NPU (神经网络处理单元 Neural-network Processing Unit) 做的事情是一样的。

在 MaixPy 里面，已经集成了推导模型的代码，同时使用了 KPU 进行计算加速，使用时无需编写很多代码，只需要调用几个函数即可快速运行模型

二、关于 KPU#

虽然 KPU 是能够加速模型运算了， 但是由于成本、时间、功耗、体积、发热、应用领域定位等各种因素，它的能力并不能像专业领域的强力 NPU 一样，包含了每一种算子，它只能处理一部分。

KPU 实现了 卷积、批归一化、激活、池化 这 4 种基础操作的硬件加速， 但是它们不能分开单独使用，是一体的加速模块。

所以， 在 KPU 上面推理模型， 以下要求（如果不需要训练和设计模型，暂时不需要仔细了解）：

内存限制

K210 有 6MB 通用 RAM 和 2MB KPU 专用 RAM。模型的输入和输出特征图存储在 2MB KPU RAM 中。权重和其他参数存储在 6MB 通用 RAM 中。

哪些算子可以被 KPU 完全加速？

下面的约束需要全部满足。

特征图尺寸：输入特征图小于等于 320x240 (宽x高) 同时输出特征图大于等于 4x4 (宽x高)，通道数在 1 到 1024。

Same 对称 paddings (TensorFlow 在 stride=2 同时尺寸为偶数时使用非对称 paddings)。

普通 Conv2D 和 DepthwiseConv2D，卷积核为 1x1 或 3x3，stride 为 1 或 2。

最大池化 MaxPool (2x2 或 4x4) 和 平均池化 AveragePool (2x2 或 4x4)。

任意逐元素激活函数 (ReLU, ReLU6, LeakyRelu, Sigmoid...), KPU 不支持 PReLU。

哪些算子可以被 KPU 部分加速？

非对称 paddings 或 valid paddings 卷积， nncase 会在其前后添加必要的 Pad 和 Crop（可理解为 边框 与 裁切）。

普通 Conv2D 和 DepthwiseConv2D，卷积核为 1x1 或 3x3，但 stride 不是 1 或 2。 nncase 会把它分解为 KPUConv2D 和一个 StridedSlice (可能还需要 Pad)。

MatMul 算子， nncase 会把它替换为一个 Pad(到 4x4)+ KPUConv2D(1x1 卷积和) + Crop(到 1x1)。

TransposeConv2D 算子， nncase 会把它替换为一个 SpaceToBatch + KPUConv2D + BatchToSpace。

以上说明来自这里

三、模型转换#

前面说到， 模型其实就是一组数据结构和参数数据，不同的软件只能识别特定格式的模型， KPU 只认.kmodel格式的模型， 一般用电脑训练的模型则不是， 比如 tensorflow 是 .h5 格式或者 .tflite 格式， 要给 KPU 使用， 必须经过变成 kmodel 格式， 可以使用 nncase 这个工具来达到模型转换的目的
如果你需要转换模型， 具体使用方法请自行查看这个仓库里面的介绍

四、kmodel V3 模型 和 V4 模型#

由于代码更新， 在过程中产生了两个大版本， V3 和 V4， 其中 V3 模型是指用 nncase v0.1.0 RC5 转换出来的模型； V4模型指用 nncase v0.2.0 转换出来的模型

两者有一定的不同，所以现在两者共存， V3 代码量更少，占用内存小，效率也高，但是支持的算子少； V4 支持的算子更多，但是都是软件实现的，没有硬件加速，内存使用更多，所以各有所长。 MaixPy 的固件也可以选择是否支持 V4。

五、MaixPy 中使用模型 kmodel#

加载 SD 卡 （TF 卡）中的模型

将模型放到 SD 卡， 然后加载

   import KPU as kpu
   m = kpu.load("/sd/test.kmodel")

Copy

加载 Flash 中的模型

将模型下载到 Flash， 然后加载

   import KPU as kpu
   model_addr_in_flash = 0x300000
   m = kpu.load(model_addr_in_flash)

Copy

此处的 model_addr_in_flash 为模型在 Flash 中的偏移地址，模型可以通过 kflash.py 或者 kflash_gui 烧录到 Flash 对应的地址中

准备输入

一般情况下，我们会使用图像作为输入：

直接使用摄像头采集的数据作为输入：

   img = sensor.snapshot()

Copy

这里 img 就可以直接作为输入， 这里需要 注意： snapshot() 函数采集到图片后，会将图片数据放到两个地方
(1) RGB565 内存块， 图像以 RGB565 的形式存放在一块内存中，方便图像处理的函数使用，注意在内存中的排序是 [像素1 RGB, 像素2 RGB...]
(2) RGB888 内存块， 图像以 R8G8B8 的形式存放在另一块内存中，注意在内存中的排序是 [所有像素 R, 所有像素 G， 所有像素 B]， 我们也称之为 AI 内存

其中，实际上作为 KPU 输入的数据是 RGB888 区域， 这个在前面的文档 MaixPy 图像及常用操作 章节中有仔细讲解过

从文件读取，或者将修改过的摄像头图像作为输入：

直接从摄像头采集的图像会自动填充 RGB888 区域，但是我们使用图像处理函数比如 image.resize() 时，只会修改 RGB565，没有修改 RGB888，因为同时修改两处内存需要耗费大量时间，而 KPU 的输入又是 RGB888 内存块， 所以在需要进行 KPU 运算时， 需要同步（刷新）一下 RGB888 内存块， 使用 img.pix_to_ai() 来进行同步，否则先前的修改将不会在 KPU 上生效。
比如：

   img = image.Image("/sd/test.jpg")   # 从 sd 卡读取 test.jpg 作为输入
   img.pix_to_ai()                    # 同步 `RGB888` 内存块

Copy

   img = sensor.snapshot()      # 获取摄像头采集的数据
   img = img.resize(240, 240)   # 使用图像处理函数处理原图像
   img.pix_to_ai()              # 同步 `RGB888` 内存块

Copy

前向运行模型

前向运行模型，也就是按照 输入到输出 的方向走一遍模型计算， 通过输入得出输出的值：

   feature_map = kpu.forward(m, img)

Copy

这里得到了 feature_map， 是一个特征图， 比如我们前面将的 小球 和 玩具 的分类，输出特征图是两个节点， 每个节点表示了是对应物体的概率，我们将特征图转换为 list 对象：

   p_list = feature_map[:]
   print(p_list)

Copy

就可以得到类似 [0.9, 0.1] 这样的置信度结果了

六、KPU使用过程中的常见问题#

6.1. KPU能够加载多大的模型？#

C 语言代码运行模型：
当 K210 运行 C 代码时，能够加载 < 6MB 左右的模型， 具体要看 C 代码的内容。
MaixPy 运行模型：
* 当运行 MaixPy (minimum版本) 时，能够加载 4MB 左右的模型。 如果不使用摄像头和 LCD， 最大可以加载 5MB 左右的模型（因为摄像头和 LCD 的缓冲区占用了很多内存，但实际应用也没多大意义了）
* 当运行 MaixPy (完整版) 时，能够加载 2MB 左右的模型
* 另外也支持实时从 Flash 加载模型， 理论上只要单层使用内存不超过 2MB， 整体模型可以无限大，只不过要牺牲一点运算速度。 使用方法看这里。 如果对原理和实现感兴趣，可以看这里

6.2. 报错"memory overflow"怎么办？#

出现这个问题，根据前面讲到过的 系统内存管理 可知，一般有两个可能性：

报错的地方跟系统堆无关系， 可能是 GC 内存不够导致，可以适当增加 GC 的总内存大小

由于模型过大引起的。可以依次尝试如下解决方案：

更换 MaixPy mini 版本固件

进行模型剪枝优化

使用 kpu.load_flash 接口运行时实时加载模型，只是执行效率降低一点

如果内存不足，且 kpu.load_flash 性能无法满足， 那么你可能需要使用 C SDK 进行开发。

6.3. 报错"load error,only support kmodel v3/v4"怎么办？#

出现这个问题可以尝试如下解决方案:

如果为加载 Flash 中的模型，请确保 flash offset 填写正确，并保证和 MaixPy 固件的地址没有冲突（模型在 Flash 中的地址太靠前，然后往 Flash 烧录入固件时， 固件大小超过了模型所在的起始地址， 导致模型被破坏）

如果是采用 nncase 0.2.0 进行转换的 kmodel V4，请尝试采用 nncase 0.1.0 进行转换，从而生成 kmodel V3

6.4. 我想实现不同模型的选择加载(例如按下按钮运行目标分类，再次按下按钮则运行目标检测)，应该怎么写程序？#

因为内部 RAM 有限，所以当需要切换不同模型进行 kpu.load(address) 前，请先执行 kpu.deinit(k210model) 释放之前模型占用的内存，然后再加载新的模型。 也就是分时复用内存

审核编辑 黄昊宇