OpenVINO™ C++ 在哪吒开发板上推理 Transformer 模型｜开发者实战

使用 OpenVINO 定制你的 AI 助手丨开发者实战

作者：

王国强 苏州嘉树医疗科技有限公司 算法工程师

指导：

颜国进 英特尔边缘计算创新大使

研扬科技针对边缘 AI 行业开发者推出的『哪吒』（Nezha）开发套件，以信用卡大小（85 x 56mm）的开发板-『哪吒』（Nezha）为核心，『哪吒』采用 Intel N97 处理器（Alder Lake-N），最大睿频 3.6GHz，Intel UHD Graphics 内核GPU，可实现高分辨率显示；板载 LPDDR5 内存、eMMC 存储及 TPM 2.0，配备 GPIO 接口，支持 Windows 和 Linux 操作系统，这些功能和无风扇散热方式相结合，为各种应用程序构建高效的解决方案，专为入门级人工智能应用和边缘智能设备而设计。英特尔开发套件能完美胜人工智能学习、开发、实训、应用等不同应用场景。适用于如自动化、物联网网关、数字标牌和机器人等应用。

1.1

OpenVINO 介绍

OpenVINO 是一个开源工具套件，用于对深度学习模型进行优化并在云端、边缘进行部署。它能在诸如生成式人工智能、视频、音频以及语言等各类应用场景中加快深度学习推理的速度，且支持来自 PyTorch、TensorFlow、ONNX 等热门框架的模型。实现模型的转换与优化，并在包括 Intel硬件及各种环境（本地、设备端、浏览器或者云端）中进行部署。

图1-2 以深度学习为基础的AI技术在各行各业应用广泛

1.2

Ubuntu22.04 上的

OpenVINO 环境配置

OpenVINO 官方文档 https://docs.openvino.ai  有最新版本的安装教程，这里使用压缩包的方式安装，选择对应的 Ubuntu22 的版本：

下载到哪吒开发板上后将压缩包解压：

1 tar -zxvf l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64.tgz

进入解压目录，安装依赖：

1 cd l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64/ 2 sudo -E ./install_dependencies/install_openvino_dependencies.sh

然后配置环境变量：

1 source ./setupvars.sh

这样 OpenVINO 的环境就配置好了，可以直接在 Intel CPU 上推理模型，如果需要在 Intel iGPU 上推理，还需要另外安装 OpenCL runtime packages，参考官方文档：

https://docs.openvino.ai/2024/get-started/configurations/configurations-intel-gpu.html

这里使用 deb 包的方式安装，按照 Github

https://github.com/intel/compute-runtime

的说明下载7个 deb 包，然后 dpkg 安装

1 sudo dpkg -i *.deb

如果 dpkg 安装出现依赖报错，就需要先 apt 安装依赖，然后再 dpkg 安装7个 deb 包

1 sudo apt install ocl-icd-libopencl1

这样在哪吒开发板 Ubuntu22.04 上使用 Intel iGPU 进行 OpenVINO 推理的环境就配置完成了。

1.3

Transformer模型推理

模型是一个基于 Transformer 结构的模型，训练后生成 ONNX 中间表示，OpenVINO 可以直接使用 ONNX 模型进行推理，也可以转为 OpenVINO IR格式，转换命令如下：

1 ovc model.onnx

默认会生成 FP16 的模型，如果精度有较大损失，可指定 compress_to_fp16 为 False 就不会进行 FP16 量化了：

1 ovc model.onnx --compress_to_fp16=False

转换后将生成.xml和.bin两个文件，.xml文件描述了模型的结构，.bin文件包含了模型各层的参数。
 

推理代码如下：

1 #include 2 #include 3 #include 4 #include 5 #include 6 #include 7 #include 8 const int length = 300; 9 void read_csv(const char* filepath, float* input) 10 {     11 std::ifstream file(filepath); 12    std::string line; 13     if (file.is_open())     14 {         15 std::getline(file, line); 16         for (int i = 0; i < 300; i++)       17  {             18 std::getline(file, line);             19 std::stringstream ss(line);             20 std::string field;           21  if (std::getline(ss, field, ','))           22  {               23  if (std::getline(ss, field, ','))                 24 {                     25 input[i] = std::stof(field);   26               }           27  }       28  }       29  file.close();   30 }     31 float maxVal = *std::max_element(input, input + 300); 32  for (int i = 0; i < 300; i++)   33 {       34  input[i] /= maxVal; 35  } 36 } 37 std::vector softmax(std::vector input) 38 { 39     std::vector output(input.size());   40  float sum = 0;     41 for (int i = 0; i < input.size(); i++)     42 {         43 output[i] = exp(input[i]);         44 sum += output[i];     45 }     46 for (int i = 0; i < input.size(); i++)   47 {         48 output[i] /= sum;     49 }     50 return output; 51 } 52 void warmup(ov::InferRequest request) 53 {     54 std::vector inputData(length);   55 memcpy(request.get_input_tensor().data(), inputData.data(), length * sizeof(float));     56 request.infer(); 57 } 58 int main() 59 {   60 const char* modelFile = "/home/up/openvino/AutoInjector_Transformer/AutoInjector_Transformer/2024-07-17-17-28-00_best_model.xml";     61 const char* dirpath = "/home/up/openvino/AutoInjector_Transformer/AutoInjector_Transformer/data";     62 const char* device = "GPU";     63 std::vector inputs(length);     64 std::vector outputs(length * 4);     65 ov::Core core;   66  // Load Model 67    std::cout << "Loading Model" << std::endl;     68 auto start_load_model = std::chrono::high_resolution_clock::now(); 69    auto model = core.read_model(modelFile);     70 auto compiled_model = core.compile_model(model, device);   71  ov::InferRequest request = compiled_model.create_infer_request();     72 std::cout << "Model Loaded, " << "time: " << std::chrono::duration_cast(std::chrono::high_resolution_clock::now() - start_load_model).count() << "ms" << std::endl;     73 request.get_input_tensor().set_shape(std::vector{1, length});     74 // Warmup     75 warmup(request);     76 for (auto& filename : std::filesystem::directory_iterator(dirpath))     77 {         78 std::string pathObj = filename.path().string();         79 const char* filepath = pathObj.c_str();         80 std::cout << "Current File: " << filepath << std::endl;         81 // Read CSV         82 auto start = std::chrono::high_resolution_clock::now();         83 read_csv(filepath, inputs.data());       84  memcpy(request.get_input_tensor().data(), inputs.data(), length * sizeof(float));         85 // Infer         86 request.infer();         87 // Get Output Data         88 memcpy(outputs.data(), request.get_output_tensor().data(), length * sizeof(float) * 4);         89 // Softmax         90 std::vector softmax_results(length);         91 std::vector temp(4);         92 std::vector softmax_tmp(4);         93 for (int i = 0; i < length; i++)       94  {             95 for (int j = 0; j < 4; j++)           96  {               97 temp[j] = outputs[j * length + i];           98  }             99 softmax_tmp = softmax(temp);             100 auto maxVal = std::max_element(softmax_tmp.begin(), softmax_tmp.end());             101 auto maxIndex = std::distance(softmax_tmp.begin(), maxVal);             102 softmax_results[i] = maxIndex;         103 }         104 std::cout << "Infer time: " << std::chrono::duration_cast(std::chrono::high_resolution_clock::now() - start).count() << "ms" << std::endl; 105 106          // Print outputs         107 for (int i = 0; i < length; i++)       108  {             109 std::cout << softmax_results[i] << " ";       110  }     111 }     112 return 0; 113 }

使用 cmake 进行构建，在 CMakeLists.txt 中指定变量 ${OpenVino_ROOT} 为前面解压的 OpenVINO 压缩包路径：

1 cmake_minimum_required(VERSION 3.10.0) 2 3 project(AutoInjector_Transformer) 4 5 set(CMAKE_CXX_STANDARD 20) 6 set(CMAKE_CXX_STANDARD_REQUIRED ON) 7 set(OpenVino_ROOT /home/up/openvino/l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64/runtime) 8 set(OpenVINO_DIR ${OpenVino_ROOT}/cmake) 9 10 find_package(OpenVINO REQUIRED) 11 12 include_directories(     13 ${OpenVino_ROOT}/include     14 ${OpenVino_ROOT}/include/openvino   15  ) 16 17 link_directories(     18 ${OpenVino_ROOT}/lib     19 ${OpenVino_ROOT}/lib/intel64 20 ) 21 22 add_executable(AutoInjector_Transformer AutoInjector_Transformer.cpp) 23 target_link_libraries(AutoInjector_Transformer openvino)

然后 cmake 构建项目：

1 mkdir build && cd build 2 cmake .. 3 make

然后运行生成的可执行文件：

可以看到，在 Intel iGPU 上的推理速度还是很快的，前几次推理稍慢，8ms，后续基本稳定在 4ms，这跟我之前在 RTX4060 GPU 上用 TensorRT 推理并没有慢多少。然后我这里修改了代码改为 CPU 运行，重新编译、运行，结果在 Intel CPU 上的速度还要更快一点。