Prezantimi i Portalit të Edge të Google AI : Benchmark Edge AI në shkallë. Regjistrohuni për të kërkuar qasje gjatë pamjes paraprake private.

Kjo faqe është përkthyer nga Cloud Translation API.

API-ja e LiteRT CompiledModel C++

API-ja LiteRT CompiledModel është e disponueshme në C++, duke u dhënë zhvilluesve kontroll të hollësishëm mbi alokimin e memories dhe zhvillimin e nivelit të ulët. Për një shembull, shihni Aplikacionin C++ të Segmentimit të Imazheve .

Udhëzuesi i mëposhtëm tregon konkluzionin bazë të CPU-së të API-t CompiledModel Kotlin. Shihni udhëzuesin mbi përshpejtimin e GPU-së dhe përshpejtimin e NPU-së për veçoritë e përparuara të përshpejtimit.

Shto varësi ndërtimi

Zgjidhni rrugën që i përshtatet projektit tuaj:

Përdorni bibliotekën e parapërgatitur (ndër-platforma) : Përdorni bibliotekën e parapërgatitur LiteRT për konfigurim të menjëhershëm. Shikoni se si të përdorni bibliotekën e parapërgatitur C++ nga paketa LiteRT Maven në Android , ose shkarkoni/integroni skedarin binar të parapërgatitur C++ në Android, iOS, macOS, Linux dhe Windows .
Ndërto nga burimi (ndër-platforma) : Ndërto nga burimi me CMake për kontroll të plotë dhe mbështetje për shumë platforma (Android, iOS, macOS, Linux, Windows). Shih detajet në këtë udhëzues .

Përfundim bazë

Ky seksion tregon se si kryhet përfundimi bazë.

Krijo mjedisin

Objekti Environment ofron një mjedis ekzekutimi që përfshin komponentë të tillë si shtegu i plugin-it të kompajlerit dhe kontekstet e GPU-së. Environment kërkohet kur krijohen CompiledModel dhe TensorBuffer . Kodi i mëposhtëm krijon një Environment për ekzekutimin e CPU-së dhe GPU-së pa asnjë opsion:

LITERT_ASSIGN_OR_RETURN(auto env, Environment::Create({}));

Krijo `CompiledModel`

Pasi të keni marrë një model LiteRT, ose ta keni konvertuar një model në formatin .tflite , inicializoni kohën e ekzekutimit me skedarin e modelit duke përdorur API- CompiledModel . Mund të specifikoni përshpejtimin e harduerit në këtë pikë ( kLiteRtHwAcceleratorCpu ose kLiteRtHwAcceleratorGpu ):

LITERT_ASSIGN_OR_RETURN(auto compiled_model,
  CompiledModel::Create(env, model, kLiteRtHwAcceleratorCpu));

Krijo bufera hyrëse dhe dalëse

Krijoni strukturat e nevojshme të të dhënave (buferat) për të mbajtur të dhënat hyrëse që do t'i ushqeni modelit për përfundim, dhe të dhënat dalëse që modeli prodhon pas ekzekutimit të përfundimit.

LITERT_ASSIGN_OR_RETURN(auto input_buffers, compiled_model.CreateInputBuffers());
LITERT_ASSIGN_OR_RETURN(auto output_buffers, compiled_model.CreateOutputBuffers());

Nëse përdorni memorien e CPU-së, plotësoni të dhënat hyrëse duke shkruar të dhëna direkt në memorjen e parë të hyrjes.

input_buffers[0].Write<float>(absl::MakeConstSpan(input_data, input_size));

Thirrni modelin

Duke siguruar buffer-at e hyrjes dhe daljes, ekzekutoni Modelin e Kompiluar me modelin dhe përshpejtimin e harduerit të specifikuar në hapat e mëparshëm.

compiled_model.Run(input_buffers, output_buffers);

Merrni Rezultatet

Merrni rezultatet duke lexuar drejtpërdrejti daljen e modelit nga memoria.

std::vector<float> data(output_data_size);
output_buffers[0].Read<float>(absl::MakeSpan(data));
// ... process output data

Konceptet dhe përbërësit kryesorë

Referojuni seksioneve të mëposhtme për informacion mbi konceptet dhe komponentët kryesorë të API-t LiteRT CompiledModel .

Trajtimi i Gabimeve

LiteRT përdor litert::Expected për të kthyer vlera ose për të përhapur gabimet në një mënyrë të ngjashme me absl::StatusOr ose std::expected . Mund ta kontrolloni manualisht vetë për gabimin.

Për lehtësi, LiteRT ofron makrot e mëposhtme:

LITERT_ASSIGN_OR_RETURN(lhs, expr) ia cakton rezultatin e expr lhs nëse nuk prodhon gabim dhe përndryshe e kthen gabimin.

Do të zgjerohet në diçka si fragmenti i mëposhtëm.

auto maybe_model = CompiledModel::Create(env, "mymodel.tflite", HwAccelerators::kCpu);
if (!maybe_model) {
  return maybe_model.Error();
}
auto model = std::move(maybe_model.Value());

LITERT_ASSIGN_OR_ABORT(lhs, expr) bën të njëjtën gjë si LITERT_ASSIGN_OR_RETURN por e ndërpret programin në rast gabimi.
LITERT_RETURN_IF_ERROR(expr) kthen expr nëse vlerësimi i saj prodhon një gabim.
LITERT_ABORT_IF_ERROR(expr) bën të njëjtën gjë si LITERT_RETURN_IF_ERROR por e ndërpret programin në rast gabimi.

Për më shumë informacion mbi makrot LiteRT, shihni litert_macros.h .

Tamponi i Tensorit (TensorBuffer)

LiteRT ofron mbështetje të integruar për ndërveprimin e buffer-it I/O, duke përdorur API-në Tensor Buffer ( TensorBuffer ) për të trajtuar rrjedhën e të dhënave brenda dhe jashtë modelit të kompajluar. API-ja Tensor Buffer ofron mundësinë për të shkruar ( Write<T>() ) dhe lexuar ( Read<T>() ), si dhe për të bllokuar memorien e CPU-së.

Për një pamje më të plotë se si zbatohet API-ja TensorBuffer , shihni kodin burimor për littert_tensor_buffer.h .

Kërkesat e hyrjes/daljes së modelit të pyetjes

Kërkesat për ndarjen e një Tensor Buffer ( TensorBuffer ) zakonisht specifikohen nga përshpejtuesi i harduerit. Buffer-at për hyrjet dhe daljet mund të kenë kërkesa në lidhje me shtrirjen, hapat e buffer-it dhe llojin e memories. Mund të përdorni funksione ndihmëse si CreateInputBuffers për të trajtuar automatikisht këto kërkesa.

Fragmenti i mëposhtëm i kodit të thjeshtuar tregon se si mund të merrni kërkesat e buffer-it për të dhënat hyrëse:

LITERT_ASSIGN_OR_RETURN(auto reqs, compiled_model.GetInputBufferRequirements(signature_index, input_index));

Për një pamje më të plotë se si zbatohet API-ja TensorBufferRequirements , shihni kodin burimor për littert_tensor_buffer_requirements.h .

Krijo Bufera Tensorësh të Menaxhuar (TensorBuffers)

Fragmenti i mëposhtëm i thjeshtuar i kodit tregon se si të krijoni Bufera Tensor të Menaxhuar, ku API-ja TensorBuffer ndan buferat përkatës:

LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_cpu,
TensorBuffer::CreateManaged(env, /*buffer_type=*/kLiteRtTensorBufferTypeHostMemory,
  ranked_tensor_type, buffer_size));

LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_gl, TensorBuffer::CreateManaged(env,
  /*buffer_type=*/kLiteRtTensorBufferTypeGlBuffer, ranked_tensor_type, buffer_size));

LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_ahwb, TensorBuffer::CreateManaged(env,
  /*buffer_type=*/kLiteRtTensorBufferTypeAhwb, ranked_tensor_type, buffer_size));

Krijo Tampona Tensor me kopje zero

Për të mbështjellë një buffer ekzistues si një Tensor Buffer (zero-kopje), përdorni fragmentin e mëposhtëm të kodit:

// Create a TensorBuffer from host memory
LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_from_host,
  TensorBuffer::CreateFromHostMemory(env, ranked_tensor_type,
  ptr_to_host_memory, buffer_size));

// Create a TensorBuffer from GlBuffer
LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_from_gl,
  TensorBuffer::CreateFromGlBuffer(env, ranked_tensor_type, gl_target, gl_id,
  size_bytes, offset));

// Create a TensorBuffer from AHardware Buffer
LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_from_ahwb,
  TensorBuffer::CreateFromAhwb(env, ranked_tensor_type, ahardware_buffer, offset));

Leximi dhe shkrimi nga Tensor Buffer

Fragmenti i mëposhtëm tregon se si mund të lexoni nga një buffer hyrës dhe të shkruani në një buffer dalës:

// Example of reading to input buffer:
std::vector<float> input_tensor_data = {1,2};
LITERT_ASSIGN_OR_RETURN(auto write_success,
  input_tensor_buffer.Write<float>(absl::MakeConstSpan(input_tensor_data)));
if(write_success){
  /* Continue after successful write... */
}

// Example of writing to output buffer:
std::vector<float> data(total_elements);
LITERT_ASSIGN_OR_RETURN(auto read_success,
  output_tensor_buffer.Read<float>(absl::MakeSpan(data)));
if(read_success){
  /* Continue after successful read */
}

I avancuar: Ndërveprimi i bufferit zero-kopje për llojet e specializuara të bufferit të harduerit

Disa lloje të caktuara të buffer-ave, siç është AHardwareBuffer , lejojnë ndërveprimin me lloje të tjera të buffer-ave. Për shembull, një buffer OpenGL mund të krijohet nga një AHardwareBuffer me kopje zero. Fragmenti i mëposhtëm i kodit tregon një shembull:

LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_ahwb,
  TensorBuffer::CreateManaged(env, kLiteRtTensorBufferTypeAhwb,
  ranked_tensor_type, buffer_size));
// Buffer interop: Get OpenGL buffer from AHWB,
// internally creating an OpenGL buffer backed by AHWB memory.
LITERT_ASSIGN_OR_RETURN(auto gl_buffer, tensor_buffer_ahwb.GetGlBuffer());

Buferat OpenCL mund të krijohen gjithashtu nga AHardwareBuffer :

LITERT_ASSIGN_OR_RETURN(auto cl_buffer, tensor_buffer_ahwb.GetOpenClMemory());

Në pajisjet mobile që mbështesin ndërveprimin midis OpenCL dhe OpenGL, buffer-at CL mund të krijohen nga buffer-at GL:

LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_from_gl,
  TensorBuffer::CreateFromGlBuffer(env, ranked_tensor_type, gl_target, gl_id,
  size_bytes, offset));

// Creates an OpenCL buffer from the OpenGL buffer, zero-copy.
LITERT_ASSIGN_OR_RETURN(auto cl_buffer, tensor_buffer_from_gl.GetOpenClMemory());

Shembuj implementimesh

Referojuni implementimeve të mëposhtme të LiteRT në C++.

Inferenca Bazë (CPU)

Më poshtë është një version i shkurtuar i fragmenteve të kodit nga seksioni "Fillimi" . Është implementimi më i thjeshtë i inferencës me LiteRT.

// Load model and initialize runtime
LITERT_ASSIGN_OR_RETURN(auto env, Environment::Create({}));
LITERT_ASSIGN_OR_RETURN(auto compiled_model, CompiledModel::Create(env, "mymodel.tflite",
  kLiteRtHwAcceleratorCpu));

// Preallocate input/output buffers
LITERT_ASSIGN_OR_RETURN(auto input_buffers, compiled_model.CreateInputBuffers());
LITERT_ASSIGN_OR_RETURN(auto output_buffers, compiled_model.CreateOutputBuffers());

// Fill the first input
float input_values[] = { /* your data */ };
input_buffers[0].Write<float>(absl::MakeConstSpan(input_values, /*size*/));

// Invoke
compiled_model.Run(input_buffers, output_buffers);

// Read the output
std::vector<float> data(output_data_size);
output_buffers[0].Read<float>(absl::MakeSpan(data));

Zero-kopje me memorien pritëse

API-ja LiteRT CompiledModel zvogëlon fërkimin e tubacioneve të nxjerrjes së përfundimeve, veçanërisht kur merret me backend-e të shumëfishta harduerike dhe rrjedha zero-kopje. Fragmenti i mëposhtëm i kodit përdor metodën CreateFromHostMemory kur krijon buffer-in e hyrjes, i cili përdor zero-kopje me memorien pritëse.

// Define an LiteRT environment to use existing EGL display and context.
const std::vector<Environment::Option> environment_options = {
   {OptionTag::EglDisplay, user_egl_display},
   {OptionTag::EglContext, user_egl_context}};
LITERT_ASSIGN_OR_RETURN(auto env,
   Environment::Create(absl::MakeConstSpan(environment_options)));

// Load model1 and initialize runtime.
LITERT_ASSIGN_OR_RETURN(auto compiled_model1, CompiledModel::Create(env, "model1.tflite", kLiteRtHwAcceleratorGpu));

// Prepare I/O buffers. opengl_buffer is given outside from the producer.
LITERT_ASSIGN_OR_RETURN(auto tensor_type, model.GetInputTensorType("input_name0"));
// Create an input TensorBuffer based on tensor_type that wraps the given OpenGL Buffer.
LITERT_ASSIGN_OR_RETURN(auto tensor_buffer_from_opengl,
    litert::TensorBuffer::CreateFromGlBuffer(env, tensor_type, opengl_buffer));

// Create an input event and attach it to the input buffer. Internally, it creates
// and inserts a fence sync object into the current EGL command queue.
LITERT_ASSIGN_OR_RETURN(auto input_event, Event::CreateManaged(env, LiteRtEventTypeEglSyncFence));
tensor_buffer_from_opengl.SetEvent(std::move(input_event));

std::vector<TensorBuffer> input_buffers;
input_buffers.push_back(std::move(tensor_buffer_from_opengl));

// Create an output TensorBuffer of the model1. It's also used as an input of the model2.
LITERT_ASSIGN_OR_RETURN(auto intermedidate_buffers,  compiled_model1.CreateOutputBuffers());

// Load model2 and initialize runtime.
LITERT_ASSIGN_OR_RETURN(auto compiled_model2, CompiledModel::Create(env, "model2.tflite", kLiteRtHwAcceleratorGpu));
LITERT_ASSIGN_OR_RETURN(auto output_buffers, compiled_model2.CreateOutputBuffers());

compiled_model1.RunAsync(input_buffers, intermedidate_buffers);
compiled_model2.RunAsync(intermedidate_buffers, output_buffers);