MagicMind 是面向寒武纪 MLU 的推理加速引擎。MagicMind 能将 AI 框架(Tensorflow,PyTorch,ONNX 等) 训练好的算法模型转换成 MagicMind 统一计算图表示,并提供端到端的模型优化、代码生成以及推理业务部署能力。
本 sample 探讨如何使用将 U2Net 网络的 pytorch 实现转换为 MagicMind 模型，进而部署在寒武纪 MLU 板卡上。
本例使用的 U2Net 实现来自 github 开源项目 https://github.com/xuebinqin/U-2-Net 下面将展示如何将该项目中 Pytorch 实现的 U2Net 模型转换为 MagicMind 的模型。
请移至主页面 README.md的2.前提条件
请移至主页面 README.md的3.环境准备
# 下载仓库
git clone 本仓库
cd magicmind_cloud/buildin/cv/segmentation/u2net_pytorch在开始运行代码前需要先检查 env.sh 里的环境变量，根据数据集实际路径修改 env.sh 内的 DATASETS_PATH, 并且执行以下命令：
source env.sh模型和数据集需要手动下载，下载地址在当前README结尾。
下载之后模型需要放在环境变量 MODEL_PATH 指定目录下，数据集需要和 DATASETS_PATH 一致。
模型和数据集下载并放至指定目录后，执行如下命令：
cd $PROJ_ROOT_PATH/export_model
bash run.shcd $PROJ_ROOT_PATH/gen_model
#bash run.sh <precision> <batch_size>
bash run.sh force_float32 1cd $PROJ_ROOT_PATH/infer_python
#bash run.sh <precision> <batch_size>
bash run.sh force_float32 1结果：
average mae: 8.7251, max fmeasure: 4.2186以上 3.3~3.5 的步骤也可以通过运行./run.sh 来实现一键执行
Pytorch u2net 模型转换为 MagicMind u2net 模型分成以下几步：
- 使用 MagicMind Parser 模块将 onnx 文件解析为 MagicMind 网络结构。
- 模型量化。
- 使用 MagicMind Builder 模块生成 MagicMind 模型实例并保存为离线模型文件。
参数说明:
pt_model: u2net pt 的路径。batch_size: batch_size 的取值需要对应 pt 的输入维度。input_width: W。input_height: H。output_model: 保存 MagicMind 模型路径。precision: 精度模式，如 force_float32，force_float16，qint16_mixed_float32。file_list: 用于量化的输入图片的路径。device: 设备号, 默认 0。
概述： 本例使用 MagicMind PYTHON API 编写了名为 infer_python 的目标检测程序。infer_python 将展示如何使用 MagicMind PYTHON API 构建高效的 u2net 图像分类(图像预处理=>推理=>后处理)。
参数说明:
magicmind_model: MagicMind 离线模型存放目录。output_folder: output data 存放目录。device_id: MLU 设备 id, 默认 0。img_dir: 数据集图片目录。batch_size: batch size。save_img: 是否报错结果为图片。
本仓库通过寒武纪提供的 Magicmind 性能测试工具 mm_run 展示性能数据
#查看参数说明
mm_run -h
mm_run --magicmind_model $MM_MODEL --batch $BATCH_SIZE --devices $DEV_ID --threads 1 --iterations 1000或者通过一键运行 benchmark 里的脚本：
cd $PROJ_ROOT_PATH
./benchmark/perf.sh一键运行 benchmark 里的脚本跑出 u2net 在 MSRA-B 数据集上的 mae 和 fmeasure 如下：
cd $PROJ_ROOT_PATH
./benchmark/eval.sh| Model | Precision | Batch_Size | Average MAE | Max Fmeasure |
|---|---|---|---|---|
| u2net | force_float32 | 1 | 8.7251 | 4.2186 |
| u2net | force_float16 | 1 | 8.7322 | 4.2187 |
| u2net | qint16_mixed_float32 | 1 | 8.7088 | 4.2185 |
您明确了解并同意，以下链接中的软件、数据或者模型由第三方提供并负责维护。在以下链接中出现的任何第三方的名称、商标、标识、产品或服务并不构成明示或暗示与该第三方或其软件、数据或模型的相关背书、担保或推荐行为。您进一步了解并同意，使用任何第三方软件、数据或者模型，包括您提供的任何信息或个人数据（不论是有意或无意地），应受相关使用条款、许可协议、隐私政策或其他此类协议的约束。因此，使用链接中的软件、数据或者模型可能导致的所有风险将由您自行承担。