原创 AscendCL快速入门——模型推理篇（上）

 2023-8-24 13:38  723 5 5 分类: 智能硬件

一、概述

本文介绍了AscendCL模型推理相关知识，介绍了AscendCL接口加载离线模型，为离线模型准备数据结构以及调用离线模型进行推理的过程。简单来说，曻腾的AscendCL的推理工程可以问为三步。

把经过ATC转化过的模型.om文件加载到内存。
为模型准备输入输出。
让模型在设备端执行推理。

二、模型推理的接口调用和代码示例1. 将模型加载到内存

AscendCL推理所使用的的模型是昇腾CANN平台专用的离线模型，既然要调用模型进行推理，首先当然是要把模型加载进来，最简单的场景就是从磁盘加载一个离线模型文件进内存，接口如下：

aclError aclmdlLoadFromFile(const char *modelPath, uint32_t *modelId);

参数表中的modelPath是入参，指的是离线模型文件在磁盘上的路径；而modelId则是出参，模型加载进内存后，AscendCL会生成一个modelId，后续在分析、使用模型的时候会用到，每次加载模型生成的modelId都是不一样的，在一个进程空间内，modelId会保持唯一。

开始编写代码前，要加上.h或者.cpp文件中包含AscendCL的头文件：

#include "acl/acl.h"
#pragma add_include_path("/usr/local/Ascend/ascend-toolkit/latest/x86_64-linux/
acllib/include/")
#pragma add_library_path("/usr/local/Ascend/ascend-toolkit/latest/x86_64-linux/
acllib/lib64/")
#pragma cling load("libascendcl.so")
#define INFO_LOG(fmt, args...) fprintf(stdout, "[INFO] " fmt "\n", ##args)
#define WARN_LOG(fmt, args...) fprintf(stdout, "[WARN] " fmt "\n", ##args)
#define ERROR_LOG(fmt, args...) fprintf(stdout, "[ERROR] " fmt "\n", ##args)
#include <iostream>
#include "acl/acl.h"
#include <stdio.h>
#include <fstream>
#include <cstring>
#include <sys/stat.h>
#include <map>
#include <sstream>
using namespace std;

阅读下段代码，理解接口调用逻辑

aclError test1()
{
INFO_LOG("AclmdlLoadFromFile: start.");
const char* aclConfigPath = "";
aclError ret = aclInit(aclConfigPath);
ret = aclrtSetDevice(0);
const char *modelPath = "./googlenet.om";
uint32_t modelId;
ret = aclmdlLoadFromFile(modelPath, &modelId);
INFO_LOG("ModelId = %d.", modelId);
aclmdlUnload(modelId);
aclFinalize();
INFO_LOG("AclmdlLoadFromFile: end.");
return ret;
}
test1();

上边说到的从磁盘加载模型是最简单的场景，但不代表模型只能从磁盘加载进来。某些场景下，模型本身已经在内存中了，此时为了将其加载进AscendCL运行时环境，总不能把这部分模型先写进磁盘，再调aclmdlLoadFromFile从磁盘加载一次吧？所以，这里我们需要一个能从内存加载模型的接口：

aclError aclmdlLoadFromMem(const void* model, size_t modelSize, uint32_t* modelId)

model：模型在内存中的地址，当应用运行在Host时，此处需申请Host上的内存；当应用运行在Device时，此处需申请Device上的内存。
modelSize：内存中的模型数据长度。
modelId：还是模型加载后的唯一标识。

阅读下面代码，体会接口的调用方式

aclError test2()
{
INFO_LOG("AclmdlLoadFromMemory: start.");
aclError ret = aclInit(nullptr);
int32_t deviceId_ = 0;
ret = aclrtSetDevice(deviceId_);
std::string modelPath = "./googlenet.om";
uint32_t modelSize = 0;
void *modelHostData = nullptr;
std::ifstream modelFile(modelPath, std::ifstream::binary);
modelFile.seekg(0, modelFile.end);
modelSize = modelFile.tellg();
modelFile.seekg(0, modelFile.beg);
ret = aclrtMallocHost(&modelHostData, modelSize);
modelFile.read((char*)modelHostData, modelSize);
modelFile.close();
uint32_t modelId = 0;
ret = aclmdlLoadFromMem(modelHostData, modelSize, &modelId);
INFO_LOG("Model Id = %d.", modelId);
aclmdlUnload(modelId);
aclrtFreeHost(modelHostData);
ret = aclrtResetDevice(deviceId_);
aclFinalize();
INFO_LOG("AclmdlLoadFromMemory: end.");
return ret;
}
test2();

[验证码] test2（）
{
INFO_LOG（“AclmdlLoadFromMemory：开始“）;
int getInit（int）;
int32_t device_ = 0;
int n = int n（int n）;
std：：string modelPath =“./ googlenet.om“;
return 0;
void *modelHostData = null;
std：：ifstream modelFile（std：：ifstream：：binary）;
modelFile.seekg（0，modelFile.end）;
int n = int n（）;
modelFile.seekg（0，modelFile.beg）;
int n =& int n（int n，int n）;
modelFile.read（（char*）modelHostData，modelSize）;
println（）;

uint32_t modelId = 0;
int = aclmdlLoadFromMem（modelHostData，modelSize，&modelId）;
INFO_LOG（“模型ID = %d。“）;
public int findDuplicate（）;
public int findDuplicate（）;
int n = int n（int n）;
int findDuplicate（）
INFO_LOG（“AclmdlLoadFromMemory：结束。“）;
return ret;
}
test2（）;[/code]

模型加载进来之后，在内存中的哪里呢？换句话说，模型加载进来之后，存放模型的内存的指针我们能不能拿到？很遗憾，用上边这两个接口，我们是拿不到其指针的。其实也好理解，对于很多开发者来讲，模型加载进来之后，只要返回给开发者一个modelId，开发者能调用模型进行推理就够了，模型在内存中存放在哪里并不重要。但是对于一些多模型推理的应用来讲，这个问题就要多思考一步了。首先，设备总内存是有限的，每个模型加载进来都要占用一部分内存。对于多模型串行推理的应用来讲，推理之前一股脑地将所有模型都加载进内存，可能导致内存不足，或者加载数据的时候发现内存不足。这种场景下，我们通常会考虑这样做：

加载模型a
调用模型a进行推理，得到结果a1
卸载模型a
加载模型b
把a1送进模型b进行推理，得到结果b1
卸载模型b
加载模型c

而每次模型的加载和卸载都涉及内存的申请和释放（用前边两个接口的话，保存模型的内存是由系统托管的，加载和释放都是在调用模型加载接口的时候自动实施的），频繁的内存申请和释放是很浪费时间的事情，这种时候，就很自然而然的想到要实施内存池方案了。简单来讲，就是每次加载模型的时候，从内存池中捞一段内存来存储模型；卸载模型之后，这部分内存要还回内存池。但要想实现这个方案，首先我们得能拿到模型加载进来之后的内存指针呀。于是我们有了下边这个接口：

aclError aclmdlLoadFromFileWithMem(const char *modelPath,uint32_t *modelId, void *workPtr, size_t workSize, void *weightPtr, size_t weightSize);

workPtr/workSize指的是“工作内存”的指针和大小；weightPtr/weightSize指的是“权值内存”的指针和大小。一个模型加载进来之后，AscendCL是将其分为两部分来保存的，一部分叫“工作内存”，指的是模型运行过程中所占用的内存（比如计算图，不包含权值的部分）；另一部分叫“权值内存”，顾名思义，专门保存模型的权值数据。模型加载进来之后，是要提供给NPU使用的，那么加载进系统之后，保存的位置自然是Device侧，所以这里所说的“工作内存”和“权值内存”肯定都得是Device侧内存。

用aclmdlLoadFromFileWithMem接口加载模型，模型加载进来之后的内存地址要我们自己指定，要求有二，一是这部分内存得在Device侧，二是这部分内存得在调用aclmdlLoadFromFileWithMem接口之前就申请好，究竟申请多大的内存，能够给工作内存和权值内存使用呢？来看一个上述接口的配套接口：

aclError aclmdlQuerySize(const char *fileName, size_t *workSize, size_t *weightSize);

这个接口用于查询一个磁盘上的模型文件，如果要加载进系统，需要多大的工作内存和权值内存。有了这个接口，查出工作内存和权值内存大小，我们就能够提前申请Device内存供模型加载。阅读下面代码，理解接口调用流程。

aclError test3()
{
INFO_LOG("AclmdlLoadFromFileWithMem: start.");
aclError ret = aclInit(nullptr);
int32_t deviceId_ = 0;
ret = aclrtSetDevice(deviceId_);
const char *modelPath = "./googlenet.om";
size_t workSize = 0;
void* workPtr = nullptr;
size_t weightSize = 0;
void* weightPtr = nullptr;
ret = aclmdlQuerySize(modelPath, &workSize, &weightSize);
ret = aclrtMalloc(&workPtr, workSize, ACL_MEM_MALLOC_HUGE_FIRST);
ret = aclrtMalloc(&weightPtr, weightSize, ACL_MEM_MALLOC_HUGE_FIRST);
uint32_t modelId = 0;
ret = aclmdlLoadFromFileWithMem(modelPath, &modelId, workPtr, workSize, weightPtr, weightSize);
INFO_LOG("ModelId = %d.", modelId);
ret = aclmdlUnload(modelId);
ret = aclrtFree(workPtr);
ret = aclrtFree(weightPtr);
ret = aclrtResetDevice(deviceId_);
aclFinalize();
INFO_LOG("AclmdlLoadFromFileWithMem: end.");
return ret;
}
test3();