使用OpenVINO C++在哪吒开发板上推理Transformer模型

作者：

王国强苏州嘉树医疗科技有限公司 算法工程师

指导：

颜国进 英特尔边缘计算创新大使

1.1OpenVINO 介绍

OpenVINO 是一个开源工具套件，用于对深度学习模型进行优化并在云端、边缘进行部署。它能在诸如生成式人工智能、视频、音频以及语言等各类应用场景中加快深度学习推理的速度，且支持来自 PyTorch、TensorFlow、ONNX 等热门框架的模型。实现模型的转换与优化，并在包括 Intel硬件及各种环境（本地、设备端、浏览器或者云端）中进行部署。

图1-2 以深度学习为基础的AI技术在各行各业应用广泛

1.2Ubuntu22.04 上的

OpenVINO 环境配置

OpenVINO 官方文档 https://docs.openvino.ai 有最新版本的安装教程，这里使用压缩包的方式安装，选择对应的 Ubuntu22 的版本：

下载到哪吒开发板上后将压缩包解压：

tar -zxvf l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64.tgz

进入解压目录，安装依赖：

cd l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64/
sudo -E ./install_dependencies/install_openvino_dependencies.sh

然后配置环境变量：

source ./setupvars.sh

这样 OpenVINO 的环境就配置好了，可以直接在 Intel CPU 上推理模型，如果需要在 Intel iGPU 上推理，还需要另外安装 OpenCL runtime packages，参考官方文档：

https://docs.openvino.ai/2024/get-started/configurations/configurations-intel-gpu.html

这里使用 deb 包的方式安装，按照 Github

https://github.com/intel/compute-runtime

的说明下载7个 deb 包，然后 dpkg 安装

sudo dpkg -i *.deb

如果 dpkg 安装出现依赖报错，就需要先 apt 安装依赖，然后再 dpkg 安装7个 deb 包

sudo apt install ocl-icd-libopencl1

这样在哪吒开发板 Ubuntu22.04 上使用 Intel iGPU 进行 OpenVINO 推理的环境就配置完成了。

1.3Transformer模型推理

模型是一个基于 Transformer 结构的模型，训练后生成 ONNX 中间表示，OpenVINO 可以直接使用 ONNX 模型进行推理，也可以转为 OpenVINO IR格式，转换命令如下：

ovc model.onnx

默认会生成 FP16 的模型，如果精度有较大损失，可指定 compress_to_fp16 为 False 就不会进行 FP16 量化了：

ovc model.onnx --compress_to_fp16=False

转换后将生成.xml和.bin两个文件，.xml文件描述了模型的结构，.bin文件包含了模型各层的参数。

推理代码如下：

#include 
#include 
#include 
#include 
#include 
#include 
#include 
const int length = 300;
void read_csv(const char* filepath, float* input)
{
  std::ifstream file(filepath);
  std::string line;
  if (file.is_open())
  {
    std::getline(file, line);
    for (int i = 0; i < 300; i++)
        {
            std::getline(file, line);
            std::stringstream ss(line);
            std::string field;
            if (std::getline(ss, field, ','))
            {
                if (std::getline(ss, field, ','))
                {
                    input[i] = std::stof(field);
                }
            }
        }
        file.close();
    }
    float maxVal = *std::max_element(input, input + 300);
    for (int i = 0; i < 300; i++)
    {
        input[i] /= maxVal;
    }
}
std::vector softmax(std::vector input)
{
  std::vector output(input.size());
  float sum = 0;
  for (int i = 0; i < input.size(); i++)
    {
        output[i] = exp(input[i]);
        sum += output[i];
    }
    for (int i = 0; i < input.size(); i++)
    {
        output[i] /= sum;
    }
    return output;
}
void warmup(ov::InferRequest request)
{
    std::vector inputData(length);
  memcpy(request.get_input_tensor().data(), inputData.data(), length * sizeof(float));
  request.infer();
}
int main()
{
  const char* modelFile = "/home/up/openvino/AutoInjector_Transformer/AutoInjector_Transformer/2024-07-17-17-28-00_best_model.xml";
  const char* dirpath = "/home/up/openvino/AutoInjector_Transformer/AutoInjector_Transformer/data";
  const char* device = "GPU";
  std::vector inputs(length);
  std::vector outputs(length * 4);
  ov::Core core;
  // Load Model
  std::cout << "Loading Model" << std::endl;
    auto start_load_model = std::now();
    auto model = core.read_model(modelFile);
    auto compiled_model = core.compile_model(model, device);
    ov::InferRequest request = compiled_model.create_infer_request();
    std::cout << "Model Loaded, " << "time: " << std::duration_cast(std::now() - start_load_model).count() << "ms" << std::endl;
    request.get_input_tensor().set_shape(std::vector{1, length});
  // Warmup
  warmup(request);
  for (auto& filename : std::directory_iterator(dirpath))
  {
    std::string pathObj = filename.path().string();
    const char* filepath = pathObj.c_str();
    std::cout << "Current File: " << filepath << std::endl;
        // Read CSV
        auto start = std::now();
        read_csv(filepath, inputs.data());
        memcpy(request.get_input_tensor().data(), inputs.data(), length * sizeof(float));
    // Infer
    request.infer();
    // Get Output Data
    memcpy(outputs.data(), request.get_output_tensor().data(), length * sizeof(float) * 4);
    // Softmax
    std::vector softmax_results(length);
    std::vector temp(4);
    std::vector softmax_tmp(4);
    for (int i = 0; i < length; i++)
        {
            for (int j = 0; j < 4; j++)
            {
                temp[j] = outputs[j * length + i];
            }
            softmax_tmp = softmax(temp);
            auto maxVal = std::max_element(softmax_tmp.begin(), softmax_tmp.end());
            auto maxIndex = std::distance(softmax_tmp.begin(), maxVal);
            softmax_results[i] = maxIndex;
        }
        std::cout << "Infer time: " << std::duration_cast(std::now() - start).count() << "ms" << std::endl;
        
        // Print outputs
        for (int i = 0; i < length; i++)
        {
            std::cout << softmax_results[i] << " ";
        }
    }
    return 0;
}

使用 cmake 进行构建，在 CMakeLists.txt 中指定变量 ${OpenVino_ROOT} 为前面解压的 OpenVINO 压缩包路径：

cmake_minimum_required(VERSION 3.10.0)


project(AutoInjector_Transformer)


set(CMAKE_CXX_STANDARD 20)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
set(OpenVino_ROOT /home/up/openvino/l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64/runtime)
set(OpenVINO_DIR ${OpenVino_ROOT}/cmake)


find_package(OpenVINO REQUIRED)


include_directories(
  ${OpenVino_ROOT}/include
  ${OpenVino_ROOT}/include/openvino
  )


link_directories(
  ${OpenVino_ROOT}/lib
  ${OpenVino_ROOT}/lib/intel64
)


add_executable(AutoInjector_Transformer AutoInjector_Transformer.cpp)
target_link_libraries(AutoInjector_Transformer openvino)

然后 cmake 构建项目：

mkdir build && cd build
cmake ..
make

然后运行生成的可执行文件：

可以看到，在 Intel iGPU 上的推理速度还是很快的，前几次推理稍慢，8ms，后续基本稳定在 4ms，这跟我之前在 RTX4060 GPU 上用 TensorRT 推理并没有慢多少。然后我这里修改了代码改为 CPU 运行，重新编译、运行，结果在 Intel CPU 上的速度还要更快一点。