阿里云人工智能平台PAIRetinaNet优化案例1：使用Blade优化RetinaNet（Detectron2）模型-云淘科技

使用限制

本文使用的环境需要满足以下版本要求：

• 系统环境：Linux系统中使用Python 3.6及其以上版本、CUDA 10.2。
• 框架：PyTorch 1.8.1及其以上版本、Detectron2 0.4.1及其以上版本。
• 推理优化工具：Blade 3.16.0及其以上版本。

操作流程

使用Blade优化RetinaNet（Detectron2）类型模型的流程如下：

1. 步骤一：导出模型

   使用Detectron2提供的TracingAdapter或scripting_with_instances任何一种方式导出模型。

2. 步骤二：调用Blade优化模型

   调用blade.optimize接口优化模型，并保存优化后的模型。

3. 步骤三：加载运行优化后的模型

   经过对优化前后的模型进行性能测试，如果对结果满意，可以加载优化后的模型进行推理。

步骤一：导出模型

Detectron2是FAIR开源的灵活、可扩展、可配置的目标检测和图像分割训练框架。由于框架的灵活性，使用常规方法导出模型可能会失败或得到错误的导出结果。为了支持TorchScript部署，Detectron2提供了TracingAdapter和scripting_with_instances两种导出方式，详情请参见Detectron2 Usage。

Blade支持输入任意形式的TorchScript模型，如下以scripting_with_instances为例，介绍导出模型的过程。

import torch
import numpy as np

from torch import Tensor
from torch.testing import assert_allclose

from detectron2 import model_zoo
from detectron2.export import scripting_with_instances
from detectron2.structures import Boxes
from detectron2.data.detection_utils import read_image

# 使用scripting_with_instances导出RetinaNet模型。
def load_retinanet(config_path):
    model = model_zoo.get(config_path, trained=True).eval()
    fields = {
        "pred_boxes": Boxes,
        "scores": Tensor,
        "pred_classes": Tensor,
    }
    script_model = scripting_with_instances(model, fields)
    return model, script_model

# 下载一张示例图片。
# wget http://www.yunxiaoer.com/wp-content/uploads/2023/12/20231209231619-6574f5439b6dc.jpg -q -O input.jpg
img = read_image('./input.jpg')
img = torch.from_numpy(np.ascontiguousarray(img.transpose(2, 0, 1)))

# 尝试执行和对比导出模型前后的结果。
pytorch_model, script_model = load_retinanet("COCO-Detection/retinanet_R_50_FPN_3x.yaml")
with torch.no_grad():
    batched_inputs = [{"image": img.float()}]
    pred1 = pytorch_model(batched_inputs)
    pred2 = script_model(batched_inputs)

assert_allclose(pred1[0]['instances'].scores, pred2[0].scores)

步骤二：调用Blade优化模型

1. 调用Blade优化接口。调用blade.optimize接口对模型进行优化，代码示例如下。关于blade.optimize接口详情，请参见优化PyTorch模型。

   import blade
   
   test_data = [(batched_inputs,)] # PyTorch的输入数据是List of tuple。
   optimized_model, opt_spec, report = blade.optimize(
       script_model,  # 上一步导出的TorchScript模型。 
       'o1',  # 开启Blade O1级别的优化。
       device_type='gpu', # 目标设备为GPU。
       test_data=test_data, # 给定一组测试数据，用于辅助优化及测试。
   )

2. 打印优化报告并保存模型。Blade优化后的模型仍然是一个TorchScript模型。完成优化后，您可以通过如下代码打印优化报告并保存优化模型。

   # 打印优化报告。
   print("Report: {}".format(report))
   # 保存优化后的模型。
   torch.jit.save(optimized_model, 'optimized.pt')

   打印的优化报告如下所示，关于优化报告中的字段详情请参见优化报告。

   Report: {
     "software_context": [
       {
         "software": "pytorch",
         "version": "1.8.1+cu102"
       },
       {
         "software": "cuda",
         "version": "10.2.0"
       }
     ],
     "hardware_context": {
       "device_type": "gpu",
       "microarchitecture": "T4"
     },
     "user_config": "",
     "diagnosis": {
       "model": "unnamed.pt",
       "test_data_source": "user provided",
       "shape_variation": "undefined",
       "message": "Unable to deduce model inputs information (data type, shape, value range, etc.)",
       "test_data_info": "0 shape: (3, 480, 640) data type: float32"
     },
     "optimizations": [
       {
         "name": "PtTrtPassFp16",
         "status": "effective",
         "speedup": "3.77",
         "pre_run": "40.64 ms",
         "post_run": "10.78 ms"
       }
     ],
     "overall": {
       "baseline": "40.73 ms",
       "optimized": "10.76 ms",
       "speedup": "3.79"
     },
     "model_info": {
       "input_format": "torch_script"
     },
     "compatibility_list": [
       {
         "device_type": "gpu",
         "microarchitecture": "T4"
       }
     ],
     "model_sdk": {}
   }

3. 对优化前后的模型进行性能测试。性能测试的代码示例如下所示。

   import time
   
   @torch.no_grad()
   def benchmark(model, inp):
       for i in range(100):
           model(inp)
       torch.cuda.synchronize()
       start = time.time()
       for i in range(200):
           model(inp)
       torch.cuda.synchronize()
       elapsed_ms = (time.time() - start) * 1000
       print("Latency: {:.2f}".format(elapsed_ms / 200))
   
   # 对优化前的模型测速。
   benchmark(pytorch_model, batched_inputs)
   # 对优化后的模型测速。
   benchmark(optimized_model, batched_inputs)

   本次测试的参考结果值如下。

   Latency: 42.38
   Latency: 10.77

   上述结果表示同样执行200轮，优化前后的模型平均延时分别是42.38 ms和10.77 ms。

步骤三：加载运行优化后的模型

1. 可选：在试用阶段，您可以设置如下的环境变量，防止因为鉴权失败而程序退出。

   export BLADE_AUTH_USE_COUNTING=1

2. 获取鉴权。

   export BLADE_REGION=export BLADE_TOKEN=

   您需要根据实际情况替换以下参数：

   • ：Blade支持的地域，需要加入Blade用户群获取该信息，用户群的二维码详情请参见获取Token。
   • ：鉴权Token，需要加入Blade用户群获取该信息，用户群的二维码详情请参见获取Token。
3. 部署模型。Blade优化后的模型仍然是TorchScript，因此您无需切换环境即可加载优化后的结果。

   import blade.runtime.torch
   import detectron2
   import torch
   
   from torch.testing import assert_allclose
   from detectron2.utils.testing import (
       get_sample_coco_image,
   )
   
   pytorch_model = model_zoo.get("COCO-Detection/retinanet_R_50_FPN_3x.yaml", trained=True).eval()
   optimized_model = torch.jit.load('optimized.pt')
   
   img = read_image('./input.jpg')
   img = torch.from_numpy(np.ascontiguousarray(img.transpose(2, 0, 1)))
   
   with torch.no_grad():
       batched_inputs = [{"image": img.float()}]
       pred1 = pytorch_model(batched_inputs)
       pred2 = optimized_model(batched_inputs)
   
   assert_allclose(pred1[0]['instances'].scores, pred2[0].scores, rtol=1e-3, atol=1e-2)