基于英特爾? Cyclone? V片上系統(tǒng)的安裝

Paddle-Lite的技術(shù)特點(diǎn)

Paddle-Lite是百度公司推出的輕量級(jí)推理框架，其基本特點(diǎn)如下：

01

輕量級(jí)：執(zhí)行階段和計(jì)算優(yōu)化階段實(shí)現(xiàn)良好解耦拆分，移動(dòng)端可以直接部署執(zhí)行階段，無(wú)任何第三方依賴。包含完整的80個(gè)Op加85個(gè)Kernel的動(dòng)態(tài)庫(kù)，對(duì)于ARMV7只有800K，ARMV8下為1.3M，并可以裁剪到更低。在應(yīng)用部署時(shí)，載入模型即可直接預(yù)測(cè)，無(wú)需額外分析優(yōu)化。

02

多硬件支持：Paddle-Lite 架構(gòu)已經(jīng)驗(yàn)證和完整支持從Mobile到Server多種硬件的支持需求，包括ARM CPU， ARM GPU， Huawei NPU， Intel X86 CPU， NV GPU等。得益于對(duì)不同硬件適度的抽象，在Paddle-Lite 框架本身清晰的同時(shí)支持不同硬件的特殊調(diào)度需求，使得Paddle Lite架構(gòu)在框架的清晰程度和硬件的特定調(diào)度優(yōu)化上達(dá)到很好的平衡，比如Nvidia GPU上復(fù)雜的stream， event分配，在 Paddle-Lite 中可以清晰表示。

03

高性能：高性能來(lái)源于兩方面，一是Kernel優(yōu)化；二是框架執(zhí)行。Kernel 方面，我們對(duì)相應(yīng)硬件上的 Kernel 通過指令集、操作熔合、算法改寫等方式進(jìn)行了深入優(yōu)化。

04

框架執(zhí)行方面，通過簡(jiǎn)化Op和Kernel的功能，使得執(zhí)行期的框架開銷極低；此外，框架極大的靈活性可以支持各種硬件的特定調(diào)度優(yōu)化以提升整體效率。

05

混合調(diào)度：Paddle-Lite支持系統(tǒng)可見任意硬件的混合調(diào)度，目前已經(jīng)支持ARM CPU和ARM GPU的Kernel自動(dòng)混合調(diào)度，并驗(yàn)證了X86 CPU和Nvidia GPU 間的混合調(diào)度。

Paddle-Lite的框架

Paddle-Lite是輕量級(jí)推理引擎，全面硬件支持（ARM，GPU，NPU，FPGA），多種操作系統(tǒng)支持（Windows，iOS，Linux），多訓(xùn)練架構(gòu)支持（TensorFlow，Caffe，PaddlePaddle，ONNX），以及全面模型支持。

英特爾? Cyclone? V片上系統(tǒng)

Cyclone? V片上系統(tǒng)（SoC）由單核/雙核Cortex-A9硬核系統(tǒng)（HPS）和FPGA兩部分組成，其硬件框圖如下。

下圖是基于Cyclone? V的測(cè)試板

Paddle-Lite環(huán)境配置

編譯環(huán)境要求

01

gcc、g++、git、make、wget、python、pip、python-dev、patchelf

02

cmake（建議使用3.10或以上版本）

安裝軟件部分以Ubuntu為例，其他Linux發(fā)行版類似。

安裝基本的軟件：

安裝ARM GCC（GCC 5.4.0以上）工具鏈：

安裝CMake，3.10以上版本：

Paddle-Lite編譯

下載Paddle-Lite源碼 并切換到release分支，如develop：

編譯Paddle-Lite Linux（arm）預(yù)測(cè)庫(kù) （armv7hf， gcc編譯）：

最終的編譯結(jié)果位于build.lite.linux.armv7hf.gcc下：

Paddle-Lite接口測(cè)試

Linux（ARM） demo示例基于C++ API開發(fā)，調(diào)用Paddle-Lite C++ API包括以下五步：

// 引入C++ API

// 1. 設(shè)置MobileConfig

// 2. 創(chuàng)建PaddlePredictor

// 3. 設(shè)置輸入數(shù)據(jù)

// 4. 執(zhí)行預(yù)測(cè)

// 5. 獲取輸出數(shù)據(jù)

結(jié)語(yǔ)

在Cyclone? V平臺(tái)上，Paddle-Lite支持ARM和FPGA的混合調(diào)度。針對(duì)如卷積，池化，全連接等復(fù)雜的運(yùn)算可以部署到FPGA上執(zhí)行，其它的算子可以在ARM上實(shí)現(xiàn)并執(zhí)行。