# PaddleLite使用OpenCL预测部署 Lite支持在Android系统上运行基于OpenCL的程序，目前支持Ubuntu环境下armv8、armv7的交叉编译。 ## 编译 ### 编译环境 1. Docker 容器环境； 2. Linux（推荐 Ubuntu 16.04）环境。 详见 **源码编译指南-环境准备** 章节。 ### 编译Paddle-Lite OpenCL库范例 注：以android-armv8-opencl的目标、Docker容器的编译开发环境为例，CMake3.10，android-ndk-r17c位于`/opt/`目录下。 #### 针对 Lite 用户的编译命令(无单元测试,有编译产物) - `arm_os`: `[android]`，目前不支持linux； - `arm_abi`: `[armv7 | armv8]`； - `arm_lang`: `[gcc]`，目前不支持clang； - `build_extra`: `[OFF | ON]`，编译全量op和kernel，体积会大，编译时间长； - `build_cv`: `[OFF | ON]`，编译arm cpu neon实现的的cv预处理模块； - `android_stl`: `[c++_shared | c++_static]`，paddlelite的库以何种方式链接`android_stl`，选择`c++_shared`得到的动态库体积更小，但使用时候记得上传paddlelite所编译版本（armv7或armv8）一致的`libc++_shared.so`（来自Android-NDK）； 注：调用`./lite/tools/build.sh`执行编译。 ```bash # 假设当前位于处于Lite源码根目录下 # 导入NDK_ROOT变量，注意检查您的安装目录若与本示例不同 export NDK_ROOT=/opt/android-ndk-r17c # 删除上一次CMake自动生成的.h文件 rm ./lite/api/paddle_use_kernels.h rm ./lite/api/paddle_use_ops.h # 根据指定编译参数编译 ./lite/tools/build.sh \ --arm_os=android \ --arm_abi=armv8 \ --arm_lang=gcc \ --build_extra=OFF \ --build_cv=OFF \ --android_stl=c++_shared \ opencl ``` #### 针对 Lite 开发者的编译命令(有单元测试,编译产物) 注：调用`./lite/tools/ci_build.sh`执行编译，该命令会编译armv7和armv8的opencl库。虽然有编译产物，但因编译单元测试，编译产物包体积可能较大，不推荐使用。 ```bash # 假设当前位于处于Lite源码根目录下 # 导入NDK_ROOT变量，注意检查您的安装目录若与本示例不同 export NDK_ROOT=/opt/android-ndk-r17c # 删除上一次CMake自动生成的.h文件 rm ./lite/api/paddle_use_kernels.h rm ./lite/api/paddle_use_ops.h # 根据指定编译参数编译 ./lite/tools/ci_build.sh \ --arm_os=android \ --arm_abi=armv8 \ --arm_lang=gcc \ build_test_arm_opencl ``` ### 编译产物说明 编译产物位于`build.lite.android.armv8.gcc.opencl`下的`inference_lite_lib.android.armv8.opencl`文件夹内，这里仅罗列关键产物： - `cxx`:该目录是编译目标的C++的头文件和库文件; - `demo`:该目录包含了两个demo，用来调用使用`libpaddle_api_full_bundled.a`和`libpaddle_api_light_bundled.a`，分别对应`mobile_full`和`mobile_light`文件夹。编译对应的demo仅需在`mobile_full`或`mobile_light`文 - `mobile_full`:使用cxx config，可直接加载fluid模型，若使用OpenCL需要在`mobilenetv1_full_api.cc`代码里开启`DEMO_USE_OPENCL`的宏，详细见代码注释; - `mobile_light`:使用mobile config，只能加载`model_optimize_tool`优化过的模型。 注：`opencl`实现的相关kernel已经打包到动态库中。 ```bash . |-- cxx | |-- include | | |-- paddle_api.h | | |-- paddle_image_preprocess.h | | |-- paddle_lite_factory_helper.h | | |-- paddle_place.h | | |-- paddle_use_kernels.h | | |-- paddle_use_ops.h | | `-- paddle_use_passes.h | `-- lib | |-- libpaddle_api_full_bundled.a | |-- libpaddle_api_light_bundled.a | |-- libpaddle_full_api_shared.so | `-- libpaddle_light_api_shared.so `-- demo `-- cxx |-- Makefile.def |-- README.md |-- include | |-- paddle_api.h | |-- paddle_lite_factory_helper.h | |-- paddle_place.h | |-- paddle_use_kernels.h | |-- paddle_use_ops.h | `-- paddle_use_passes.h |-- mobile_full | |-- Makefile | `-- mobilenetv1_full_api.cc `-- mobile_light |-- Makefile `-- mobilenetv1_light_api.cc ``` 调用`libpaddle_api_full_bundled.a`和`libpaddle_api_light_bundled.a`见下一部分运行示例。 ## 运行示例 下面以android、ARMv8、gcc的环境为例，介绍3个示例，分别如何在手机上执行基于OpenCL的ARM GPU推理过程。 ### 运行示例1: 编译产物demo示例 ```bash ###################################################################### # 编译mobile_light的demo # ###################################################################### # 步骤: # # 0.确保编译Paddle-Lite时编译了OpenCL; # # 1.编译model_optimize_tool并对模型优化, `targets`参数为`opencl`; # # 2.在产物目录`demo/cxx/mobile_light`下编译`mobile_light`的demo; # # 3.上传demo, 模型文件到手机; # # 4.运行demo得到预期结果. # ###################################################################### # 在/data/local/tmp目录下创建OpenCL文件目录 adb shell mkdir -p /data/local/tmp/opencl # use model_optimize_tool to optimize model ./build.model_optimize_tool/lite/api/model_optimize_tool \ --model_dir=./build.lite.android.armv8.gcc.opencl/install/mobilenet_v1/ \ --optimize_out_type=naive_buffer \ --optimize_out=./build.lite.android.armv8.gcc.opencl/install/mobilenet_v1/mobilenetv1_opt \ --valid_targets=opencl adb shell mkdir /data/local/tmp/opencl/mobilenet_v1/ chmod +x ./build.lite.android.armv8.gcc.opencl/inference_lite_lib.android.armv8.opencl/demo/cxx/mobile_light/mobilenetv1_light_api adb push ./build.lite.android.armv8.gcc.opencl/inference_lite_lib.android.armv8.opencl/demo/cxx/mobile_light/mobilenetv1_light_api /data/local/tmp/opencl/ adb push ./build.lite.android.armv8.gcc.opencl/install/mobilenet_v1/mobilenetv1_opt.nb /data/local/tmp/opencl/ # use mobile_light run mobilenet_v1 adb shell "export GLOG_v=1; \ /data/local/tmp/opencl/mobilenetv1_light_api \ /data/local/tmp/opencl/mobilenetv1_opt.nb" ``` **注：** `GLOG_v`是指定需要显示VLOG的日志级别，默认为0。权重参数会在第一次运行时加载，所以第一次执行时间略长。一般将warmup的值设为10，repeats值设为多次。 ### 运行示例2: test_mobilenetv1单元测试 - **运行文件准备** ```bash # 在/data/local/tmp目录下创建OpenCL文件目录 adb shell mkdir -p /data/local/tmp/opencl # 将mobilenet_v1的模型文件推送到/data/local/tmp/opencl目录下 adb shell mkdir -p /data/local/tmp/opencl/mobilenet_v1 adb push build.lite.android.armv8.gcc.opencl/third_party/install/mobilenet_v1/* /data/local/tmp/opencl/mobilenet_v1/ # 将OpenCL单元测试程序test_mobilenetv1，推送到/data/local/tmp/opencl目录下 adb push build.lite.android.armv8.gcc.opencl/lite/api/test_mobilenetv1 /data/local/tmp/opencl ``` - **执行OpenCL推理过程** ```bash adb shell chmod +x /data/local/tmp/opencl/test_mobilenetv1 adb shell "export GLOG_v=1; \ /data/local/tmp/opencl-image/test_mobilenetv1 \ --model_dir=/data/local/tmp/opencl-image/mobilenetv1_fluid/ \ --warmup=10 \ --repeats=100" ``` ### 运行示例3: test_layout_opencl单元测试 ```bash adb shell mkdir -p /data/local/tmp/opencl adb shell chmod +x /data/local/tmp/opencl/test_layout_opencl adb shell "export GLOG_v=4; \ /data/local/tmp/opencl/test_layout_opencl" ``` ### 如何在Code中使用 见运行示例1的demo代码: 1. [./lite/demo/cxx/mobile_light/mobilenetv1_light_api.cc](https://github.com/PaddlePaddle/Paddle-Lite/blob/develop/lite/demo/cxx/mobile_light/mobilenetv1_light_api.cc); 2. [./lite/demo/cxx/mobile_full/mobilenetv1_full_api.cc](https://github.com/PaddlePaddle/Paddle-Lite/blob/develop/lite/demo/cxx/mobile_full/mobilenetv1_full_api.cc). 注：这里给出的链接会跳转到线上最新develop分支的代码，很可能与您本地的代码存在差异，建议参考自己本地位于`lite/demo/cxx/`目录的代码，查看如何使用。 **NOTE：** 对OpenCL的支持还在持续开发中。