Tengine 推断引擎：树莓派也能玩转深度学习

来自 Hey~YaHei! 的投稿，感谢~

一直以来，树莓派以其良好的社区生态，广受嵌入式爱好者、创客欢迎。在一些相关的社区上（比如树莓派实验室），我们可以看到非常丰富的应用示例及其教程。但在树莓派上的深度学习应用并不常见，这主要是受到树莓派计算力的限制，比如之前看到过有人把yolov2原原本本生硬地部署到树莓派上，结果每一帧检测耗时高达6分钟！！作一帧目标检测花费6分钟这实在是无法忍受的！
如果是用yolov2-tiny的话会快很多，但耗时依旧接近40秒，参考树莓派3B上测试YOLO效果 | CSDN

那树莓派只能跟深度学习无缘了么？那可未必！

Tengine

OADI/Tengine | github

Tengine 是OPEN AI LAB为嵌入式设备开发的一个轻量级、高性能并且模块化的引擎。
Tengine在嵌入式设备上支持CPU，GPU，DLA/NPU，DSP异构计算的计算框架，实现异构计算的调度器，基于ARM平台的高效的计算库实现，针对特定硬件平台的性能优化，动态规划计算图的内存使用，提供对于网络远端AI计算能力的访问支持，支持多级别并行，整个系统模块可拆卸，基于事件驱动的计算模型，吸取已有AI计算框架的优点，设计全新的计算图表示。

编译安装开源版Tengine

安装相关工具

sudo apt-get instal git cmake

• git 是一个版本控制系统，稍后将用来从 github 网站上下载Tengine的源码
• cmake 是一个编译工具，用来产生make过程中所需要的Makefile文件

安装支持库

sudo apt-get install libprotobuf-dev protobuf-compiler libboost-all-dev libgoogle-glog-dev libopencv-dev libopenblas-dev

• protobuf 是一种轻便高效的数据存储格式，这是caffe各种配置文件所使用的数据格式
• boost 是一个c++的扩展程序库，稍后Tengine的编译依赖于该库
• google-glog 是一个google提供的日志系统的程序库
• opencv 是一个开源的计算机视觉库
• openblas 是一个开源的基础线性代数子程序库

下载&编译

1. 从github上下载最新的开源版Tengine源码

   git clone https://github.com/OAID/Tengine.git

2. 切换工作目录到Tengine

   cd Tengine

3. 准备好配置文件
   Tengine目录下提供了配置模板 makefile.config.example 文件

   cp makefile.config.example makefile.config

4. 修改配置文件 makefile.config
   由于开源版的Tengine不支持针对armv7的优化，所以需要用openblas替代实现；

将 CONFIG_ARCH_ARM64=y 这一行注释掉（行首加井号 #）以关闭ARM64架构的优化实现；
解除 CONFIG_ARCH_BLAS=y 这一行解除注释（删除行首的井号 #）以开启BLAS计算库的实现方式

1. 编译并安装

   
   make -j4
   
   make install

   这里的 -j4 表示开启四个线程进行编译

测试

1. 下载mobilenet-ssd模型并放置在 Tengine/models 目录下
   下载链接：https://pan.baidu.com/s/1jzPADdCAah4y8NMk3P9Exg
2. 将工作目录切换到mobilenet-ssd示例程序的目录下

   cd ~/Tengine/examples/mobilenet_ssd

3. 编译示例程序

   
   cmake –DTENGINE_DIR=/home/pi/Tengine .
   
   make
   
   

   这里 -DTENGINE_DIR用于为cmake指定环境变量TENGINE_DIR，该变量可以在CMakeLists.txt文件中找到

4. 运行示例程序

   ./MSSD

   可以看到对一张照片进行目标检测，总共耗时1148.32ms

树莓派专用教育版Tengine

最近 Open AI Lab公司 和 浙江大学生物医学工程与仪器科学学院 在嵌入式人工智能领域上开展了教学合作，公司为学院提供了速度更快的针对armv7优化的Tengine版本用于教学用途（已上传到 Github），接下来让我们看看这个树莓派专用教育版的Tengine到底有多快吧！

1. 用树莓派专用教育版Tengine的动态链接库覆盖掉原先的开源版
   动态链接库路径为：Tengine/install/lib/libtengine.so

编译时，make会在build目录下产生libtengine.so动态链接库，而make instll将动态链接库、头文件等拷贝到install目录下

1. 重新运行mobilenet-ssd的示例程序
   可以看到，单帧耗时从1148.32ms下降为286.136ms，速度有了非常明显的提升！

小试牛刀

用上高性能的树莓派专用教育版Tengine，看看mobilenet-ssd在树莓派上能表现如何——

为了方便，视频流直接从mp4文件读取，原始视频如下：

1. 从 hey-yahei/my_blog/RasPi-Tengine/mobilenet-ssd | github 上下载源码，并放置在 Tengine/example 目录下
2. 检查 CMakeLists.txt 文件中TENGINE_DIR变量是否正确指向Tengine路径
3. 执行 cmake . 生成Makefile
4. 执行 make 编译程序
5. 执行 ./MSSD 运行程序

实际效果如下：

由于一部分cpu资源被用于视频的解码工作（对于支持硬解码的平台来说不存在这个问题），可以看到单帧耗时有所下降（400ms-700ms），但对于多数应用场景来说这个帧率是绰绰有余的。

本文开头我们说道，直接在树莓派上配置darknet部署的yolo网络，yolov2单帧耗时接近6分钟，yolov2-tiny单帧耗时接近40秒；而在树莓派上配置Tengine部署的yolov2网络，在blas实现下单帧耗时不到8秒（参考利用Tengine在树莓派上跑深度学习网络 | songrbb），在针对armv7优化实现的教育版下单帧耗时甚至不到2秒！