API Neural Networks

L'API Android Neural Networks (NNAPI) è un'API C per Android progettata per eseguire operazioni di calcolo intensivo per il machine learning sui dispositivi Android. NNAPI è progettata per fornire un livello di funzionalità di base per framework di machine learning di livello superiore, come TensorFlow Lite e Caffe2, che creano e addestrano reti neurali. L'API è disponibile su tutti i dispositivi Android con sistema operativo Android 8.1 (livello API 27) o versioni successive.

NNAPI supporta l'inferenza applicando i dati dei dispositivi Android a modelli preaddestrati e definiti dagli sviluppatori. Alcuni esempi di inferenza sono la classificazione delle immagini, la previsione del comportamento degli utenti e la selezione di risposte appropriate a una query di ricerca.

L'inferenza on-device offre numerosi vantaggi:

  • Latenza: non è necessario inviare una richiesta tramite una connessione di rete e attendere una risposta. Ad esempio, questo può essere fondamentale per le applicazioni video che elaborano fotogrammi successivi provenienti da una videocamera.
  • Disponibilità: l'applicazione viene eseguita anche al di fuori della copertura della rete.
  • Velocità: il nuovo hardware specifico per l'elaborazione delle reti neurali offre un calcolo notevolmente più rapido rispetto a una sola CPU generica.
  • Privacy: i dati rimangono sul dispositivo Android.
  • Costo: non è necessaria una farm di server quando tutti i calcoli vengono eseguiti sul dispositivo Android.

Esistono anche dei compromessi che uno sviluppatore deve tenere presente:

  • Utilizzo del sistema: la valutazione delle reti neurali richiede molto calcolo, il che potrebbe aumentare il consumo della batteria. Se questo è un problema per la tua app, in particolare per i calcoli di lunga durata, ti consigliamo di monitorare lo stato della batteria.
  • Dimensioni dell'applicazione: presta attenzione alle dimensioni dei modelli. I modelli possono occupare più megabyte di spazio. Se il raggruppamento di modelli di grandi dimensioni nell'APK avrebbe un impatto eccessivo sugli utenti, ti consigliamo di scaricare i modelli dopo l'installazione dell'app, di utilizzare modelli più piccoli o di eseguire i calcoli nel cloud. NNAPI non fornisce funzionalità per l'esecuzione dei modelli nel cloud.

Consulta l'esempio di API Android Neural Networks per un esempio di utilizzo di NNAPI.

Informazioni sul runtime dell'API Neural Networks

NNAPI è pensato per essere chiamato da librerie, framework e strumenti di machine learning che consentono agli sviluppatori di addestrare i propri modelli al di fuori del dispositivo e di eseguirne il deployment sui dispositivi Android. In genere, le app non utilizzano direttamente NNAPI, ma preferiscono usare framework di machine learning di livello superiore. A loro volta, questi framework potrebbero utilizzare NNAPI per eseguire operazioni di inferenza con accelerazione hardware sui dispositivi supportati.

In base ai requisiti di un'app e alle funzionalità hardware di un dispositivo Android, il runtime della rete neurale di Android può distribuire in modo efficiente il carico di lavoro di calcolo tra i processori on-device disponibili, tra cui hardware dedicato per le reti neurali, unità di elaborazione grafica (GPU) e processori di segnale digitale (DSP).

Per i dispositivi Android che non dispongono di un driver del fornitore specializzato, il runtime NNAPI esegue le richieste sulla CPU.

La Figura 1 mostra l'architettura di sistema di alto livello per NNAPI.

Figura 1. Architettura di sistema per l'API Android Neural Networks

Modello di programmazione dell'API Neural Networks

Per eseguire calcoli utilizzando NNAPI, devi prima costruire un gráfo diretto che definisce i calcoli da eseguire. Questo grafico di calcolo, combinato con i tuoi dati di input (ad esempio, ponderazioni e bias trasmessi da un framework di machine learning), costituisce il modello per la valutazione del runtime NNAPI.

NNAPI utilizza quattro astrazioni principali:

  • Modello: un grafico di calcolo delle operazioni matematiche e dei valori costanti appresi tramite un processo di addestramento. Queste operazioni sono specifiche per le reti neurali. Sono incluse la convoluzione 2D, l'attivazione logistica (sigmoidea), l'attivazione lineare rettificata (ReLU) e altro ancora. La creazione di un modello è un'operazione sincrona. Una volta creato correttamente, può essere riutilizzato in thread e compilazioni. In NNAPI, un modello è rappresentato come un'istanza ANeuralNetworksModel.
  • Compilazione: rappresenta una configurazione per la compilazione di un modello NNAPI in codice di livello inferiore. La creazione di una compilazione è un'operazione sincrona. Una volta creato correttamente, può essere riutilizzato in thread ed esecuzioni. In NNAPI, ogni compilazione è rappresentata da un'istanza ANeuralNetworksCompilation.
  • Memoria: rappresenta la memoria condivisa, i file con mappatura in memoria e buffer di memoria simili. L'utilizzo di un buffer di memoria consente al runtime NNAPI di trasferire i dati ai driver in modo più efficiente. Un'app in genere crea un buffer di memoria condiviso che contiene ogni tensore necessario per definire un modello. Puoi anche utilizzare i buffer di memoria per memorizzare gli input e gli output di un'istanza di esecuzione. In NNAPI, ogni buffer della memoria è rappresentato come un'istanza ANeuralNetworksMemory.

  • Esecuzione: interfaccia per applicare un modello NNAPI a un insieme di input e raccogliere i risultati. L'esecuzione può essere eseguita in modo sincrono o asincrono.

    Per l'esecuzione asincrona, più thread possono attendere la stessa esecuzione. Al termine dell'esecuzione, tutti i thread vengono rilasciati.

    In NNAPI, ogni esecuzione è rappresentata come un'istanza ANeuralNetworksExecution.

La figura 2 mostra il flusso di programmazione di base.

Figura 2. Flusso di programmazione per l'API Android Neural Networks

Il resto di questa sezione descrive i passaggi per configurare il modello NNAPI in modo da eseguire il calcolo, compilare il modello ed eseguire il modello compilato.

Fornire l'accesso ai dati di addestramento

I dati relativi ai pesi e ai bias addestrati sono probabilmente archiviati in un file. Per fornire al runtime NNAPI un accesso efficiente a questi dati, crea un'istanza ANeuralNetworksMemory chiamando la funzione ANeuralNetworksMemory_createFromFd() e passando il descrittore del file di dati aperto. Inoltre, specifichi flag di protezione della memoria e un offset in cui inizia la regione di memoria condivisa nel file.

// Create a memory buffer from the file that contains the trained data
ANeuralNetworksMemory* mem1 = NULL;
int fd = open("training_data", O_RDONLY);
ANeuralNetworksMemory_createFromFd(file_size, PROT_READ, fd, 0, &mem1);

Anche se in questo esempio utilizziamo solo un'istanza di ANeuralNetworksMemory per tutti i pesi, è possibile utilizzare più istanze di ANeuralNetworksMemory per più file.

Utilizzare buffer hardware nativi

Puoi utilizzare i buffer hardware nativi per gli input, le uscite e i valori degli operandi costanti del modello. In alcuni casi, un acceleratore NNAPI può accedere agli oggetti AHardwareBuffer senza che il driver debba copiare i dati. AHardwareBuffer ha molte configurazioni diverse e non tutti gli acceleratori NNAPI possono supportarle tutte. A causa di questa limitazione, fai riferimento ai vincoli elencati nella documentazione di riferimento di ANeuralNetworksMemory_createFromAHardwareBuffer e testa in anticipo sui dispositivi di destinazione per assicurarti che le compilazioni e le esecuzioni che utilizzano AHardwareBuffer si comportino come previsto, utilizzando l'assegnazione del dispositivo per specificare l'acceleratore.

Per consentire al runtime NNAPI di accedere a un oggetto AHardwareBuffer, crea un'istanza di ANeuralNetworksMemory chiamando la funzione ANeuralNetworksMemory_createFromAHardwareBuffer e passando l'oggetto AHardwareBuffer, come mostrato nel seguente esempio di codice:

// Configure and create AHardwareBuffer object
AHardwareBuffer_Desc desc = ...
AHardwareBuffer* ahwb = nullptr;
AHardwareBuffer_allocate(&desc, &ahwb);

// Create ANeuralNetworksMemory from AHardwareBuffer
ANeuralNetworksMemory* mem2 = NULL;
ANeuralNetworksMemory_createFromAHardwareBuffer(ahwb, &mem2);

Quando NNAPI non ha più bisogno di accedere all'oggetto AHardwareBuffer, libera l'istanza ANeuralNetworksMemory corrispondente:

ANeuralNetworksMemory_free(mem2);

Nota:

  • Puoi utilizzare AHardwareBuffer solo per l'intero buffer; non puoi usarlo con un parametro ARect.
  • Il runtime NNAPI non svuoterà il buffer. Prima di pianificare l'esecuzione, devi assicurarti che i buffer di input e output siano accessibili.
  • Non è supportato la funzionalità di descrittori file di recinzione di sincronizzazione.
  • Per un AHardwareBuffer con formati e bit di utilizzo specifici del fornitore, è l'implementazione del fornitore a determinare se lo svuotamento della cache è responsabile del client o del driver.

Modello

Un modello è l'unità fondamentale di calcolo in NNAPI. Ogni modello è definito da uno o più operandi e operazioni.

Operandi

Gli operandi sono oggetti di dati utilizzati per definire il grafico. Sono inclusi gli input e le uscite del modello, i nodi intermedi che contengono i dati che passano da un'operazione all'altra e le costanti che vengono passate a queste operazioni.

Esistono due tipi di operandi che possono essere aggiunti ai modelli NNAPI: scalari e tensori.

Un valore scalare rappresenta un singolo valore. NNAPI supporta valori scalari in formato booleano, con virgola mobile a 16 bit, con virgola mobile a 32 bit, intero a 32 bit e intero non firmato a 32 bit.

La maggior parte delle operazioni in NNAPI coinvolge i tensori. I tensori sono array n-dimensionali. NNAPI supporta tensori con valori di tipo quantizzato a 8 bit, a 16 bit, a virgola mobile a 16 bit, a virgola mobile a 32 bit e interi a 32 bit.

Ad esempio, la figura 3 rappresenta un modello con due operazioni: un'addizione seguida da una moltiplicazione. Il modello prende un tensore di input e produce un tensore di output.

Figura 3. Esempio di operandi per un modello NNAPI

Il modello riportato sopra ha sette operandi. Questi operandi vengono identificati implicitamente dall'indice dell'ordine in cui vengono aggiunti al modello. Il primo operando aggiunto ha un indice 0, il secondo un indice 1 e così via. Gli operandi 1, 2, 3 e 5 sono operandi costanti.

L'ordine in cui aggiungi gli operandi non è importante. Ad esempio, l'operando di output del modello potrebbe essere il primo aggiunto. È importante usare il valore di indice corretto quando ci si riferisce a un operando.

Gli operandi hanno tipi. Vengono specificati quando vengono aggiunti al modello.

Un operando non può essere utilizzato sia come input sia come output di un modello.

Ogni operando deve essere un input del modello, una costante o l'operando di output di esattamente un'operazione.

Per ulteriori informazioni sull'utilizzo degli operandi, consulta Ulteriori informazioni sugli operandi.

Fasi operative

Un'operazione specifica i calcoli da eseguire. Ogni operazione è composta da questi elementi:

  • un tipo di operazione (ad es. addizione, moltiplicazione, convezione),
  • un elenco di indici degli operandi utilizzati dall'operazione per l'input e
  • un elenco di indici degli operandi utilizzati dall'operazione per l'output.

L'ordine in questi elenchi è importante; consulta la documentazione di riferimento dell'API NNAPI per gli input e gli output previsti di ogni tipo di operazione.

Devi aggiungere gli operandi che un'operazione consuma o produce al modello prima di aggiungere l'operazione.

L'ordine in cui aggiungi le operazioni non è importante. NNAPI si basa sulle dipendenze stabilite dal grafico di calcolo di operandi e operazioni per determinare l'ordine in cui vengono eseguite le operazioni.

Le operazioni supportate da NNAPI sono riepilogate nella tabella seguente:

Categoria Fasi operative
Operazioni matematiche a livello di elementi
Manipolazione di tensori
Operazioni sulle immagini
Operazioni di ricerca
Operazioni di normalizzazione
Operazioni di convoluzione
Operazioni di raggruppamento
Operazioni di attivazione
Altre operazioni

Problema noto nel livello API 28: quando vengono passati i tensori ANEURALNETWORKS_TENSOR_QUANT8_ASYMM all'operazione ANEURALNETWORKS_PAD, disponibile su Android 9 (livello API 28) e versioni successive, l'output di NNAPI potrebbe non corrispondere all'output di framework di machine learning di livello superiore, come TensorFlow Lite. Devi invece trasmettere solo ANEURALNETWORKS_TENSOR_FLOAT32. Il problema viene risolto in Android 10 (livello API 29) e versioni successive.

Crea modelli

Nell'esempio seguente, creiamo il modello a due operazioni riportato nella Figura 3.

Per creare il modello:

  1. Chiama la funzione ANeuralNetworksModel_create() per definire un modello vuoto.

    ANeuralNetworksModel* model = NULL;
ANeuralNetworksModel_create(&model);

  2. Aggiungi gli operandi al modello chiamando ANeuralNetworks_addOperand(). I relativi tipi di dati sono definiti utilizzando la struttura di dati ANeuralNetworksOperandType.

    // In our example, all our tensors are matrices of dimension [3][4]
ANeuralNetworksOperandType tensor3x4Type;
tensor3x4Type.type = ANEURALNETWORKS_TENSOR_FLOAT32;
tensor3x4Type.scale = 0.f;    // These fields are used for quantized tensors
tensor3x4Type.zeroPoint = 0;  // These fields are used for quantized tensors
tensor3x4Type.dimensionCount = 2;
uint32_t dims[2] = {3, 4};
tensor3x4Type.dimensions = dims;

    
// We also specify operands that are activation function specifiers
ANeuralNetworksOperandType activationType;
activationType.type = ANEURALNETWORKS_INT32;
activationType.scale = 0.f;
activationType.zeroPoint = 0;
activationType.dimensionCount = 0;
activationType.dimensions = NULL;

    
// Now we add the seven operands, in the same order defined in the diagram
ANeuralNetworksModel_addOperand(model, &tensor3x4Type);  // operand 0
ANeuralNetworksModel_addOperand(model, &tensor3x4Type);  // operand 1
ANeuralNetworksModel_addOperand(model, &activationType); // operand 2
ANeuralNetworksModel_addOperand(model, &tensor3x4Type);  // operand 3
ANeuralNetworksModel_addOperand(model, &tensor3x4Type);  // operand 4
ANeuralNetworksModel_addOperand(model, &activationType); // operand 5
ANeuralNetworksModel_addOperand(model, &tensor3x4Type);  // operand 6

  3. Per gli operandi con valori costanti, come i pesi e i bias che la tua app ottiene da un processo di addestramento, utilizza le funzioni ANeuralNetworksModel_setOperandValue() e ANeuralNetworksModel_setOperandValueFromMemory().

    Nell'esempio seguente, impostiamo valori costanti dal file di dati di addestramento corrispondente al buffer della memoria che abbiamo creato in Fornire accesso ai dati di addestramento.

    // In our example, operands 1 and 3 are constant tensors whose values were
// established during the training process
const int sizeOfTensor = 3 * 4 * 4;    // The formula for size calculation is dim0 * dim1 * elementSize
ANeuralNetworksModel_setOperandValueFromMemory(model, 1, mem1, 0, sizeOfTensor);
ANeuralNetworksModel_setOperandValueFromMemory(model, 3, mem1, sizeOfTensor, sizeOfTensor);

    
// We set the values of the activation operands, in our example operands 2 and 5
int32_t noneValue = ANEURALNETWORKS_FUSED_NONE;
ANeuralNetworksModel_setOperandValue(model, 2, &noneValue, sizeof(noneValue));
ANeuralNetworksModel_setOperandValue(model, 5, &noneValue, sizeof(noneValue));

  4. Per ogni operazione nel grafo diretto che vuoi calcolare, aggiungila al modello chiamando la funzione ANeuralNetworksModel_addOperation().

    Come parametri per questa chiamata, l'app deve fornire:

    • il tipo di operazione
    • il conteggio dei valori di input
    • l'array degli indici per gli operandi di input
    • il conteggio dei valori di output
    • l'array degli indici per gli operandi di output

    Tieni presente che un operando non può essere utilizzato sia per l'input che per l'output della stessa operazione.

    // We have two operations in our example
// The first consumes operands 1, 0, 2, and produces operand 4
uint32_t addInputIndexes[3] = {1, 0, 2};
uint32_t addOutputIndexes[1] = {4};
ANeuralNetworksModel_addOperation(model, ANEURALNETWORKS_ADD, 3, addInputIndexes, 1, addOutputIndexes);

    
// The second consumes operands 3, 4, 5, and produces operand 6
uint32_t multInputIndexes[3] = {3, 4, 5};
uint32_t multOutputIndexes[1] = {6};
ANeuralNetworksModel_addOperation(model, ANEURALNETWORKS_MUL, 3, multInputIndexes, 1, multOutputIndexes);

  5. Identifica gli operandi che il modello deve trattare come input e output chiamando la funzione ANeuralNetworksModel_identifyInputsAndOutputs().

    // Our model has one input (0) and one output (6)
uint32_t modelInputIndexes[1] = {0};
uint32_t modelOutputIndexes[1] = {6};
ANeuralNetworksModel_identifyInputsAndOutputs(model, 1, modelInputIndexes, 1 modelOutputIndexes);

  6. Se vuoi, specifica se è consentito calcolare ANEURALNETWORKS_TENSOR_FLOAT32 con un intervallo o una precisione inferiore a quella del formato a virgola mobile a 16 bit IEEE 754 chiamando ANeuralNetworksModel_relaxComputationFloat32toFloat16().

  7. Chiama ANeuralNetworksModel_finish() per completare la definizione del modello. Se non si verificano errori, questa funzione restituisce un codice risultato ANEURALNETWORKS_NO_ERROR.

    ANeuralNetworksModel_finish(model);

Una volta creato un modello, puoi compilarlo un numero illimitato di volte ed eseguire ogni compilazione un numero illimitato di volte.

Flusso di controllo

Per incorporare il flusso di controllo in un modello NNAPI:

  1. Crea i sottografici di esecuzione corrispondenti (i sottografici then e else per un'istruzione IF, i sottografici condition e body per un ciclo WHILE) come modelli ANeuralNetworksModel* autonomi:

    ANeuralNetworksModel* thenModel = makeThenModel();
ANeuralNetworksModel* elseModel = makeElseModel();

  2. Crea operandi che fanno riferimento a questi modelli all'interno del modello contenente il flusso di controllo:

    ANeuralNetworksOperandType modelType = {
    .type = ANEURALNETWORKS_MODEL,
};
ANeuralNetworksModel_addOperand(model, &modelType);  // kThenOperandIndex
ANeuralNetworksModel_addOperand(model, &modelType);  // kElseOperandIndex
ANeuralNetworksModel_setOperandValueFromModel(model, kThenOperandIndex, &thenModel);
ANeuralNetworksModel_setOperandValueFromModel(model, kElseOperandIndex, &elseModel);

  3. Aggiungi l'operazione di flusso di controllo: 

    uint32_t inputs[] = {kConditionOperandIndex,
                     kThenOperandIndex,
                     kElseOperandIndex,
                     kInput1, kInput2, kInput3};
uint32_t outputs[] = {kOutput1, kOutput2};
ANeuralNetworksModel_addOperation(model, ANEURALNETWORKS_IF,
                                  std::size(inputs), inputs,
                                  std::size(output), outputs);

Compilation

Il passaggio di compilazione determina su quali processori verrà eseguito il modello e chiede ai driver corrispondenti di prepararsi alla sua esecuzione. Ciò potrebbe includere la generazione di codice macchina specifico per i processori su cui verrà eseguito il modello.

Per compilare un modello:

  1. Chiama la funzione ANeuralNetworksCompilation_create() per creare una nuova istanza di compilazione.

    // Compile the model
ANeuralNetworksCompilation* compilation;
ANeuralNetworksCompilation_create(model, &compilation);

    Se vuoi, puoi utilizzare l'assegnazione dei dispositivi per scegliere esplicitamente su quali dispositivi eseguire l'azione.

  2. Se vuoi, puoi influire sul modo in cui il runtime effettua il trade-off tra l'utilizzo della batteria e la velocità di esecuzione. Puoi farlo chiamando ANeuralNetworksCompilation_setPreference().

    // Ask to optimize for low power consumption
ANeuralNetworksCompilation_setPreference(compilation, ANEURALNETWORKS_PREFER_LOW_POWER);

    Le preferenze che puoi specificare includono:

    • ANEURALNETWORKS_PREFER_LOW_POWER: preferisci eseguire l'operazione in modo da ridurre al minimo il consumo della batteria. Questo è auspicabile per le compilation eseguite di frequente.
    • ANEURALNETWORKS_PREFER_FAST_SINGLE_ANSWER: preferisci restituire una singola risposta il più rapidamente possibile, anche se ciò comporta un maggiore consumo di energia. Questa è l'impostazione predefinita.
    • ANEURALNETWORKS_PREFER_SUSTAINED_SPEED: preferisci massimizzare la velocità in bit dei fotogrammi successivi, ad esempio quando elabori fotogrammi successivi provenienti dalla videocamera.

  3. Se vuoi, puoi configurare la memorizzazione nella cache della compilazione chiamando ANeuralNetworksCompilation_setCaching.

    // Set up compilation caching
ANeuralNetworksCompilation_setCaching(compilation, cacheDir, token);

    Utilizza getCodeCacheDir() per cacheDir. Il valore token specificato deve essere univoco per ogni modello all'interno dell'applicazione.

  4. Completa la definizione della compilazione chiamando ANeuralNetworksCompilation_finish(). Se non si verificano errori, questa funzione restituisce un codice risultato ANEURALNETWORKS_NO_ERROR.

    ANeuralNetworksCompilation_finish(compilation);

Rilevamento e assegnazione dei dispositivi

Sui dispositivi Android con Android 10 (livello API 29) e versioni successive, NNAPI fornisce funzioni che consentono alle app e alle librerie del framework di machine learning di ottenere informazioni sui dispositivi disponibili e di specificare i dispositivi da utilizzare per l'esecuzione. Fornendo informazioni sui dispositivi disponibili, le app possono ottenere la versione esatta dei driver trovati su un dispositivo per evitare incompatibilità note. Se le app hanno la possibilità di specificare su quali dispositivi eseguire sezioni diverse di un modello, possono essere ottimizzate per il dispositivo Android su cui vengono implementate.

Rilevamento dispositivi

Utilizza ANeuralNetworks_getDeviceCount per ottenere il numero di dispositivi disponibili. Per ogni dispositivo, utilizza ANeuralNetworks_getDevice per impostare un'istanza ANeuralNetworksDevice su un riferimento a quel dispositivo.

Una volta ottenuto il riferimento di un dispositivo, puoi trovare ulteriori informazioni su quel dispositivo utilizzando le seguenti funzioni:

Assegnazione dispositivo

Utilizza ANeuralNetworksModel_getSupportedOperationsForDevices per scoprire quali operazioni di un modello possono essere eseguite su dispositivi specifici.

Per controllare quali acceleratori utilizzare per l'esecuzione, chiama ANeuralNetworksCompilation_createForDevices al posto di ANeuralNetworksCompilation_create. Utilizza l'oggetto ANeuralNetworksCompilation risultante, come di consueto. La funzione restituisce un errore se il modello fornito contiene operazioni non supportate dai dispositivi selezionati.

Se vengono specificati più dispositivi, il runtime è responsabile della distribuzione del lavoro tra i dispositivi.

Come per altri dispositivi, l'implementazione della CPU NNAPI è rappresentata da un ANeuralNetworksDevice con il nome nnapi-reference e il tipo ANEURALNETWORKS_DEVICE_TYPE_CPU. Quando viene chiamata ANeuralNetworksCompilation_createForDevices, l'implementazione della CPU non viene utilizzata per gestire i casi di errore per la compilazione e l'esecuzione del modello.

È responsabilità dell'applicazione suddividere un modello in sottomodelli che possono essere eseguiti sui dispositivi specificati. Le applicazioni che non richiedono la suddivisione manuale devono continuare a chiamare la versione più semplice di ANeuralNetworksCompilation_create per utilizzare tutti i dispositivi disponibili (inclusa la CPU) per accelerare il modello. Se il modello non è stato supportato completamente dai dispositivi specificati con ANeuralNetworksCompilation_createForDevices, ANEURALNETWORKS_BAD_DATA viene restituito.

Partizionamento del modello

Quando sono disponibili più dispositivi per il modello, il runtime NNAPI distribuisce il lavoro tra i dispositivi. Ad esempio, se a ANeuralNetworksCompilation_createForDevices è stato fornito più di un dispositivo, tutti quelli specificati verranno presi in considerazione durante l'allocazione del lavoro. Tieni presente che se il dispositivo CPU non è nell'elenco, l'esecuzione della CPU verrà disattivata. Quando utilizzi ANeuralNetworksCompilation_create verranno presi in considerazione tutti i dispositivi disponibili, inclusa la CPU.

La distribuzione viene eseguita selezionando dall'elenco dei dispositivi disponibili, per ciascuna delle operazioni nel modello, il dispositivo che supporta l'operazione e dichiara le migliori prestazioni, ovvero il tempo di esecuzione più rapido o il consumo energetico più basso, a seconda della preferenza di esecuzione specificata dal cliente. Questo algoritmo di partizione non tiene conto delle possibili inefficienze causate dalle operazioni di I/O tra i diversi processori, pertanto, quando si specificano più processori (esplicitamente quando si utilizza ANeuralNetworksCompilation_createForDevices o implicitamente utilizzando ANeuralNetworksCompilation_create), è importante eseguire il profiling dell'applicazione risultante.

Per capire in che modo il modello è stato partizionato da NNAPI, controlla se nei log di Android è presente un messaggio (a livello INFO con tag ExecutionPlan):

ModelBuilder::findBestDeviceForEachOperation(op-name): device-index

op-name è il nome descrittivo dell'operazione mostrata nel grafico, mentre device-index è l'indice del dispositivo candidato nell'elenco dei dispositivi. Questo elenco è l'input fornito a ANeuralNetworksCompilation_createForDevices o, se utilizzi ANeuralNetworksCompilation_createForDevices, l'elenco di dispositivi restituito durante l'iterazione su tutti i dispositivi utilizzando ANeuralNetworks_getDeviceCount e ANeuralNetworks_getDevice.

Il messaggio (a livello di INFO con il tag ExecutionPlan):

ModelBuilder::partitionTheWork: only one best device: device-name

Questo messaggio indica che l'intero grafico è stato accelerato sul dispositivodevice-name.

Esecuzione

Il passaggio di esecuzione applica il modello a un insieme di input e memorizza gli output del calcolo in uno o più buffer utente o spazi di memoria allocati dall'app.

Per eseguire un modello compilato, segui questi passaggi:

  1. Chiama la funzione ANeuralNetworksExecution_create() per creare una nuova istanza di esecuzione.

    // Run the compiled model against a set of inputs
ANeuralNetworksExecution* run1 = NULL;
ANeuralNetworksExecution_create(compilation, &run1);

  2. Specifica dove la tua app legge i valori di input per il calcolo. L'app può leggere i valori di input da un buffer utente o da uno spazio di memoria allocato chiamando rispettivamente ANeuralNetworksExecution_setInput() o ANeuralNetworksExecution_setInputFromMemory().

    // Set the single input to our sample model. Since it is small, we won't use a memory buffer
float32 myInput[3][4] = { ...the data... };
ANeuralNetworksExecution_setInput(run1, 0, NULL, myInput, sizeof(myInput));

  3. Specifica dove l'app scrive i valori di output. L'app può scrivere valori di output in un buffer utente o in uno spazio di memoria allocato, chiamando rispettivamente ANeuralNetworksExecution_setOutput() o ANeuralNetworksExecution_setOutputFromMemory().

    // Set the output
float32 myOutput[3][4];
ANeuralNetworksExecution_setOutput(run1, 0, NULL, myOutput, sizeof(myOutput));

  4. Pianifica l'avvio dell'esecuzione chiamando la funzione ANeuralNetworksExecution_startCompute(). Se non ci sono errori, questa funzione restituisce il codice risultato ANEURALNETWORKS_NO_ERROR.

    // Starts the work. The work proceeds asynchronously
ANeuralNetworksEvent* run1_end = NULL;
ANeuralNetworksExecution_startCompute(run1, &run1_end);

  5. Chiama la funzione ANeuralNetworksEvent_wait() per attendere il completamento dell'esecuzione. Se l'esecuzione è riuscita, questa funzione restituisce un codice risultato ANEURALNETWORKS_NO_ERROR. L'attesa può essere eseguita su un thread diverso da quello che avvia l'esecuzione.

    // For our example, we have no other work to do and will just wait for the completion
ANeuralNetworksEvent_wait(run1_end);
ANeuralNetworksEvent_free(run1_end);
ANeuralNetworksExecution_free(run1);

  6. Se vuoi, puoi applicare un insieme diverso di input al modello compilato utilizzando la stessa istanza di compilazione per creare una nuova istanza ANeuralNetworksExecution.

    // Apply the compiled model to a different set of inputs
ANeuralNetworksExecution* run2;
ANeuralNetworksExecution_create(compilation, &run2);
ANeuralNetworksExecution_setInput(run2, ...);
ANeuralNetworksExecution_setOutput(run2, ...);
ANeuralNetworksEvent* run2_end = NULL;
ANeuralNetworksExecution_startCompute(run2, &run2_end);
ANeuralNetworksEvent_wait(run2_end);
ANeuralNetworksEvent_free(run2_end);
ANeuralNetworksExecution_free(run2);

Esecuzione sincrona

L'esecuzione asincrona richiede tempo per generare e sincronizzare i thread. Inoltre, la latenza può essere estremamente variabile, con i ritardi più lunghi che possono raggiungere i 500 microsecondi tra il momento in cui un thread viene attivato o riattivato e il momento in cui viene associato a un core della CPU.

Per migliorare la latenza, puoi indirizzare un'applicazione in modo che effettui una chiamata di inferenza sincrona al runtime. Questa chiamata verrà restituita solo al termine di un'inferenza, anziché al suo avvio. Anziché chiamare ANeuralNetworksExecution_startCompute per una chiamata di inferenza asincrona al runtime, l'applicazione chiama ANeuralNetworksExecution_compute per effettuare una chiamata sincrona al runtime. Una chiamata a ANeuralNetworksExecution_compute non richiede un ANeuralNetworksEvent e non è accoppiata a una chiamata a ANeuralNetworksEvent_wait.

Esecuzioni burst

Sui dispositivi Android con Android 10 (livello API 29) e versioni successive, la NNAPI supporta le esecuzioni di burst tramite l'oggetto ANeuralNetworksBurst. Le esecuzioni in burst sono una sequenza di esecuzioni della stessa compilation che si verificano in rapida successione, ad esempio quelle che operano sui frame di un'acquisizione della videocamera o su campioni audio successivi. L'utilizzo di oggetti ANeuralNetworksBurst può portare a esecuzioni più rapide, in quanto indicano agli acceleratori che le risorse possono essere riutilizzate tra un'esecuzione e l'altra e che gli acceleratori devono rimanere in uno stato ad alte prestazioni per tutta la durata dell'esplosione.

ANeuralNetworksBurst introduce solo una piccola modifica al normale percorso di esecuzione. Puoi creare un oggetto burst utilizzando ANeuralNetworksBurst_create, come mostrato nello snippet di codice seguente:

// Create burst object to be reused across a sequence of executions
ANeuralNetworksBurst* burst = NULL;
ANeuralNetworksBurst_create(compilation, &burst);

Le esecuzioni burst sono sincrone. Tuttavia, anziché utilizzare ANeuralNetworksExecution_compute per eseguire ogni deduzione, accoppia i vari ANeuralNetworksExecution oggetti con lo stesso ANeuralNetworksBurst nelle chiamate alla funzione ANeuralNetworksExecution_burstCompute.

// Create and configure first execution object
// ...

// Execute using the burst object
ANeuralNetworksExecution_burstCompute(execution1, burst);

// Use results of first execution and free the execution object
// ...

// Create and configure second execution object
// ...

// Execute using the same burst object
ANeuralNetworksExecution_burstCompute(execution2, burst);

// Use results of second execution and free the execution object
// ...

Libera l'oggetto ANeuralNetworksBurst con ANeuralNetworksBurst_free quando non è più necessario.

// Cleanup
ANeuralNetworksBurst_free(burst);

Code di comando asincroni ed esecuzione protetta

In Android 11 e versioni successive, NNAPI supporta un modo aggiuntivo per pianificare l'esecuzione asincrona tramite il metodo ANeuralNetworksExecution_startComputeWithDependencies(). Quando utilizzi questo metodo, l'esecuzione attende che tutti gli eventi dipendenti vengano segnalati prima di iniziare la valutazione. Una volta completata l'esecuzione e quando gli output sono pronti per essere utilizzati, viene segnalato l'evento restituito.

A seconda dei dispositivi che gestiscono l'esecuzione, l'evento potrebbe essere supportato da una recinzione di sincronizzazione. Devi chiamare ANeuralNetworksEvent_wait() per attendere l'evento e recuperare le risorse utilizzate dall'esecuzione. Puoi importare recinti virtuali in un oggetto evento utilizzando ANeuralNetworksEvent_createFromSyncFenceFd() e puoi esportare recinti virtuali da un oggetto evento utilizzando ANeuralNetworksEvent_getSyncFenceFd().

Uscite con dimensioni dinamiche

Per supportare i modelli in cui le dimensioni dell'output dipendono dai dati di input, ovvero in cui le dimensioni non possono essere determinate al momento dell'esecuzione del modello, utilizza ANeuralNetworksExecution_getOutputOperandRank e ANeuralNetworksExecution_getOutputOperandDimensions.

Il seguente esempio di codice mostra come eseguire questa operazione:

// Get the rank of the output
uint32_t myOutputRank = 0;
ANeuralNetworksExecution_getOutputOperandRank(run1, 0, &myOutputRank);

// Get the dimensions of the output
std::vector<uint32_t> myOutputDimensions(myOutputRank);
ANeuralNetworksExecution_getOutputOperandDimensions(run1, 0, myOutputDimensions.data());

Pulizia

Il passaggio di pulizia gestisce il rilascio delle risorse interne utilizzate per il calcolo.

// Cleanup
ANeuralNetworksCompilation_free(compilation);
ANeuralNetworksModel_free(model);
ANeuralNetworksMemory_free(mem1);

Gestione degli errori e fallback della CPU

Se si verifica un errore durante il partizionamento, se un driver non riesce a compilare un (parte di un) modello o se un driver non riesce a eseguire un (parte di un) modello compilato, NNAPI potrebbe eseguire il fallback alla propria implementazione della CPU di una o più operazioni.

Se il client NNAPI contiene versioni ottimizzate dell'operazione (ad esempio TFLite), potrebbe essere vantaggioso disattivare il fallback della CPU e gestire gli errori con l'implementazione dell'operazione ottimizzata del client.

In Android 10, se la compilazione viene eseguita utilizzando ANeuralNetworksCompilation_createForDevices, il fallback della CPU verrà disattivato.

In Android P, l'esecuzione di NNAPI passa alla CPU se l'esecuzione sul driver non va a buon fine. Questo vale anche per Android 10 quando viene usato ANeuralNetworksCompilation_create anziché ANeuralNetworksCompilation_createForDevices.

La prima esecuzione esegue il fallback per la singola partizione e, se il tentativo non va a buon fine, riprova l'intero modello sulla CPU.

Se il partizionamento o la compilazione non va a buon fine, l'intero modello verrà provato sulla CPU.

In alcuni casi, alcune operazioni non sono supportate sulla CPU e in queste situazioni la compilazione o l'esecuzione non andrà a buon fine anziché eseguire il fallback.

Anche dopo aver disattivato il fallback della CPU, nel modello potrebbero essere ancora presenti operazioni programmate sulla CPU. Se la CPU è nell'elenco dei processori forniti a ANeuralNetworksCompilation_createForDevices ed è l'unico processore che supporta queste operazioni o è il processore che dichiara il miglior rendimento per queste operazioni, verrà scelta come esecuzione principale (non di riserva).

Per assicurarti che non venga eseguita alcuna operazione sulla CPU, utilizza ANeuralNetworksCompilation_createForDevices escludendo nnapi-reference dall'elenco dei dispositivi. A partire da Android P, è possibile disattivare il fallback al momento dell'esecuzione nelle build DEBUG impostando la proprietà debug.nn.partition su 2.

Domini di memoria

In Android 11 e versioni successive, NNAPI supporta domini di memoria che forniscono interfacce di allocatore per le memorie opache. In questo modo, le applicazioni possono passare le memorie native del dispositivo tra le esecuzioni, in modo che NNAPI non copi o trasformi i dati inutilmente quando esegue esecuzioni consecutive sullo stesso driver.

La funzionalità del dominio della memoria è destinata ai tensori per lo più interni al driver e che non richiedono un accesso frequente al lato client. Esempi di questi tensori includono i tensori di stato nei modelli di sequenza. Per i tensori che richiedono accesso frequente alla CPU sul lato client, utilizza invece i pool di memoria condivisi.

Per allocare una memoria opaca:

  1. Richiama la funzione ANeuralNetworksMemoryDesc_create() per creare un nuovo descrittore della memoria:

    // Create a memory descriptor
ANeuralNetworksMemoryDesc* desc;
ANeuralNetworksMemoryDesc_create(&desc);

  2. Specifica tutti i ruoli di input e output previsti chiamando ANeuralNetworksMemoryDesc_addInputRole() e ANeuralNetworksMemoryDesc_addOutputRole().

    // Specify that the memory may be used as the first input and the first output
// of the compilation
ANeuralNetworksMemoryDesc_addInputRole(desc, compilation, 0, 1.0f);
ANeuralNetworksMemoryDesc_addOutputRole(desc, compilation, 0, 1.0f);

  3. (Facoltativo) Specifica le dimensioni della memoria chiamando ANeuralNetworksMemoryDesc_setDimensions().

    // Specify the memory dimensions
uint32_t dims[] = {3, 4};
ANeuralNetworksMemoryDesc_setDimensions(desc, 2, dims);

  4. Completa la definizione del descrittore chiamando ANeuralNetworksMemoryDesc_finish().

    ANeuralNetworksMemoryDesc_finish(desc);

  5. Alloca tutti i memo di cui hai bisogno passando il descrittore a ANeuralNetworksMemory_createFromDesc().

    // Allocate two opaque memories with the descriptor
ANeuralNetworksMemory* opaqueMem;
ANeuralNetworksMemory_createFromDesc(desc, &opaqueMem);

  6. Libera il descrittore della memoria quando non ti serve più.

    ANeuralNetworksMemoryDesc_free(desc);

Il client può utilizzare solo l'oggetto ANeuralNetworksMemory creato con ANeuralNetworksExecution_setInputFromMemory() o ANeuralNetworksExecution_setOutputFromMemory() in base ai ruoli specificati nell'oggetto ANeuralNetworksMemoryDesc. Gli argomenti offset e length devono essere impostati su 0, a indicare che viene utilizzata l'intera memoria. Il client può anche impostare o estrarre in modo esplicito i contenuti della memoria utilizzando ANeuralNetworksMemory_copy().

Puoi creare ricordi opachi con ruoli di dimensioni o rango non specificati. In questo caso, la creazione della memoria potrebbe non riuscire con lo stato ANEURALNETWORKS_OP_FAILED se non è supportata dal driver di base. Il cliente è invitato a implementare la logica di riserva allocando un buffer sufficientemente grande supportato da Ashmem o dalla modalità BLOB AHardwareBuffer.

Quando NNAPI non ha più bisogno di accedere all'oggetto di memoria opaco, libera l'istanza ANeuralNetworksMemory corrispondente:

ANeuralNetworksMemory_free(opaqueMem);

Misurare le prestazioni

Puoi valutare il rendimento della tua app misurando il tempo di esecuzione o tramite il profiling.

Tempo di esecuzione

Quando vuoi determinare il tempo totale di esecuzione attraverso il runtime, puoi utilizzare l'API synchronous Exeo e misurare il tempo impiegato dalla chiamata. Quando vuoi determinare il tempo di esecuzione totale tramite un livello inferiore della pila di software, puoi utilizzare ANeuralNetworksExecution_setMeasureTiming e ANeuralNetworksExecution_getDuration per ottenere:

  • tempo di esecuzione su un acceleratore (non nel driver, che viene eseguito sul processore dell'host).
  • tempo di esecuzione nel driver, incluso il tempo sull'acceleratore.

Il tempo di esecuzione nel driver esclude il sovraccarico, ad esempio quello del runtime stesso e dell'IPC necessario per la comunicazione del runtime con il driver.

Queste API misurano la durata tra gli eventi di lavoro inviato e lavoro completato, anziché il tempo dedicato da un driver o un acceleratore all'esecuzione dell'inferenza, eventualmente interrotta dal cambio di contesto.

Ad esempio, se inizia l'inferenza 1, il driver interrompe il lavoro per eseguire l'inferenza 2, poi riprende e completa l'inferenza 1, il tempo di esecuzione dell'inferenza 1 includerà il momento in cui il lavoro è stato interrotto per eseguire l'inferenza 2.

Queste informazioni sui tempi possono essere utili per un deployment in produzione di un'applicazione per raccogliere la telemetria per l'utilizzo offline. Puoi utilizzare i dati sui tempi per modificare l'app e migliorarne il rendimento.

Quando utilizzi questa funzionalità, tieni presente quanto segue:

  • La raccolta delle informazioni sui tempi potrebbe comportare un costo per le prestazioni.
  • Solo un driver è in grado di calcolare il tempo trascorso al suo interno o nell'acceleratore, escluso il tempo trascorso nel runtime NNAPI e nell'IPC.
  • Puoi utilizzare queste API solo con un ANeuralNetworksExecution creato con ANeuralNetworksCompilation_createForDevices e numDevices = 1.
  • Nessun conducente deve essere in grado di segnalare le informazioni sulle tempistiche.

Profila la tua applicazione con Android Systrace

A partire da Android 10, NNAPI genera automaticamente eventi systrace che puoi utilizzare per profilare la tua applicazione.

L'origine NNAPI viene fornita con un'utilità parse_systrace per elaborare gli eventi systrace generati dall'applicazione e generare una visualizzazione tabella che mostra il tempo trascorso nelle diverse fasi del ciclo di vita del modello (istanziazione, preparazione, esecuzione e terminazione della compilazione) e diversi livelli delle applicazioni. Gli strati in cui è suddivisa l'applicazione sono:

  • Application: il codice dell'applicazione principale
  • Runtime: runtime NNAPI
  • IPC: la comunicazione tra processi tra il runtime NNAPI e il codice del driver
  • Driver: il processo del driver dell'acceleratore.

Genera i dati dell'analisi di profilazione

Supponendo che tu abbia controllato la struttura di origine AOSP all'indirizzo $ANDROID_BUILD_TOP e che utilizzi l'esempio di classificazione delle immagini TFLite come applicazione di destinazione, puoi generare i dati di profilazione NNAPI seguendo questi passaggi:

  1. Avvia systrace di Android con il seguente comando:
$ANDROID_BUILD_TOP/external/chromium-trace/systrace.py  -o trace.html -a org.tensorflow.lite.examples.classification nnapi hal freq sched idle load binder_driver

Il parametro -o trace.html indica che le tracce verranno scritte in trace.html. Quando esegui il profiling della tua applicazione, devi sostituire org.tensorflow.lite.examples.classification con il nome del processo specificato nel file manifest dell'app.

Questa operazione manterrà occupata una della console della shell, non eseguire il comando in background poiché è in attesa della terminazione di un enter.

  1. Dopo aver avviato il raccoglitore systrace, avvia l'app ed esegui il test di benchmark.

Nel nostro caso, puoi avviare l'app Classificazione immagini da Android Studio o direttamente dall'interfaccia utente del telefono di test se l'app è già installata. Per generare alcuni dati NNAPI, devi configurare l'app in modo che utilizzi NNAPI selezionando NNAPI come dispositivo di destinazione nella finestra di dialogo di configurazione dell'app.

  1. Al termine del test, termina systrace premendo enter sul terminale della console attivo dal passaggio 1.

  2. Esegui l'utilità systrace_parser per generare statistiche cumulative:

$ANDROID_BUILD_TOP/frameworks/ml/nn/tools/systrace_parser/parse_systrace.py --total-times trace.html

L'analizzatore accetta i seguenti parametri: - --total-times: mostra il tempo totale trascorso in un livello, incluso il tempo impiegato per l'attesa dell'esecuzione di una chiamata a un livello sottostante - --print-detail: stampa tutti gli eventi raccolti da systrace - --per-execution: stampa solo l'esecuzione e le relative sottofasi (come tempi per esecuzione) anziché le statistiche per tutte le fasi - --json: genera l'output in formato JSON

Di seguito è riportato un esempio di output:

===========================================================================================================================================
NNAPI timing summary (total time, ms wall-clock)                                                      Execution
                                                           ----------------------------------------------------
              Initialization   Preparation   Compilation           I/O       Compute      Results     Ex. total   Termination        Total
              --------------   -----------   -----------   -----------  ------------  -----------   -----------   -----------   ----------
Application              n/a         19.06       1789.25           n/a           n/a         6.70         21.37           n/a      1831.17*
Runtime                    -         18.60       1787.48          2.93         11.37         0.12         14.42          1.32      1821.81
IPC                     1.77             -       1781.36          0.02          8.86            -          8.88             -      1792.01
Driver                  1.04             -       1779.21           n/a           n/a          n/a          7.70             -      1787.95

Total                   1.77*        19.06*      1789.25*         2.93*        11.74*        6.70*        21.37*         1.32*     1831.17*
===========================================================================================================================================
* This total ignores missing (n/a) values and thus is not necessarily consistent with the rest of the numbers

L'analisi potrebbe non riuscire se gli eventi raccolti non rappresentano una traccia completa dell'applicazione. In particolare, potrebbe non riuscire se nella traccia sono presenti eventi systrace generati per contrassegnare la fine di una sezione senza un evento di inizio sezione associato. Questo accade di solito se alcuni eventi di una sessione di profiling precedente vengono generati quando avvii il raccoglitore systrace. In questo caso, sarà necessario eseguire nuovamente la profilazione.

Aggiungi statistiche per il codice dell'applicazione all'output di systrace_parser

L'applicazione parse_systrace si basa sulla funzionalità systrace di Android integrata. Puoi aggiungere tracce per operazioni specifiche nella tua app utilizzando l'API systrace (per Java, per le applicazioni native) con nomi di eventi personalizzati.

Per associare gli eventi personalizzati alle fasi del ciclo di vita dell'applicazione, anteponi al nome dell'evento una delle seguenti stringhe:

  • [NN_LA_PI]: evento a livello di applicazione per l'inizializzazione
  • [NN_LA_PP]: evento a livello di applicazione per la preparazione
  • [NN_LA_PC]: evento a livello di applicazione per la compilazione
  • [NN_LA_PE]: evento a livello di applicazione per l'esecuzione

Ecco un esempio di come puoi modificare il codice di esempio di classificazione delle immagini TFLite aggiungendo una sezione runInferenceModel per la fase Execution e il livello Application contenente altre sezioni preprocessBitmap che non verranno prese in considerazione nelle tracce NNAPI. La sezione runInferenceModel farà parte degli eventi systrace elaborati dal parser systrace di nnapi:

Kotlin

/** Runs inference and returns the classification results. */
fun recognizeImage(bitmap: Bitmap): List {
   // This section won’t appear in the NNAPI systrace analysis
   Trace.beginSection("preprocessBitmap")
   convertBitmapToByteBuffer(bitmap)
   Trace.endSection()

   // Run the inference call.
   // Add this method in to NNAPI systrace analysis.
   Trace.beginSection("[NN_LA_PE]runInferenceModel")
   long startTime = SystemClock.uptimeMillis()
   runInference()
   long endTime = SystemClock.uptimeMillis()
   Trace.endSection()
    ...
   return recognitions
}

Java

/** Runs inference and returns the classification results. */
public List recognizeImage(final Bitmap bitmap) {

 // This section won’t appear in the NNAPI systrace analysis
 Trace.beginSection("preprocessBitmap");
 convertBitmapToByteBuffer(bitmap);
 Trace.endSection();

 // Run the inference call.
 // Add this method in to NNAPI systrace analysis.
 Trace.beginSection("[NN_LA_PE]runInferenceModel");
 long startTime = SystemClock.uptimeMillis();
 runInference();
 long endTime = SystemClock.uptimeMillis();
 Trace.endSection();
  ...
 Trace.endSection();
 return recognitions;
}

Qualità del servizio

In Android 11 e versioni successive, NNAPI consente una migliore qualità del servizio (QoS) consentendo a un'applicazione di indicare le priorità relative dei suoi modelli, il tempo massimo previsto per preparare un determinato modello e il tempo massimo previsto per completare un determinato calcolo. Android 11 introduce inoltre codici di risultato NNAPI aggiuntivi che consentono alle applicazioni di comprendere errori come scadenze di esecuzione mancate.

Impostare la priorità di un carico di lavoro

Per impostare la priorità di un carico di lavoro NNAPI, chiama ANeuralNetworksCompilation_setPriority() prima di chiamare ANeuralNetworksCompilation_finish().

Imposta scadenze

Le applicazioni possono impostare scadenze sia per la compilazione del modello sia per l'inferenza.

Scopri di più sugli operandi

La sezione seguente tratta argomenti avanzati sull'utilizzo degli operandi.

Tensori quantizzati

Un tensore quantizzato è un modo compatto per rappresentare un array n-dimensionale di valori con virgola mobile.

NNAPI supporta i tensori quantizzati asimmetrici a 8 bit. Per questi tensori, il valore di ogni cella è rappresentato da un numero intero a 8 bit. Al tensore sono associati una scala e un valore del punto zero. Questi vengono utilizzati per convertire gli interi di 8 bit nei valori in virgola mobile che vengono rappresentati.

La formula è:

(cellValue - zeroPoint) * scale

dove il valore zeroPoint è un numero intero a 32 bit e la scala è un valore in virgola mobile a 32 bit.

Rispetto ai tensori di valori in virgola mobile a 32 bit, i tensori quantizzati a 8 bit hanno due vantaggi:

  • La tua applicazione è più piccola, poiché i pesi addestrati occupano un quarto delle dimensioni dei tensori a 32 bit.
  • Spesso i calcoli possono essere eseguiti più velocemente. Ciò è dovuto alla minore quantità di dati che devono essere recuperati dalla memoria e all'efficienza dei processori, ad esempio i DSP nell'esecuzione dei calcoli matematici interi.

Sebbene sia possibile convertire un modello a virgola mobile in un modello quantizzato, la nostra esperienza ha dimostrato che si ottengono risultati migliori addestrando direttamente un modello quantizzato. In effetti, la rete neurale impara a compensare la maggiore granularità di ogni valore. Per ogni tensore quantizzato, i valori di scala e zeroPoint vengono determinati durante il processo di addestramento.

In NNAPI, definisci i tipi di tensori quantizzati impostando il campo di tipo della struttura di dati ANeuralNetworksOperandType su ANEURALNETWORKS_TENSOR_QUANT8_ASYMM. Specifica anche i valori di scala e zeroPoint del tensore nella struttura di dati.

Oltre ai tensori quantizzati asimmetrici a 8 bit, NNAPI supporta quanto segue:

Operatori facoltativi

Alcune operazioni, come ANEURALNETWORKS_LSH_PROJECTION, accettano operandi facoltativi. Per indicare nel modello che l'operando facoltativo è omesso, chiama la funzione ANeuralNetworksModel_setOperandValue() passando NULL per il buffer e 0 per la lunghezza.

Se la decisione sull'eventuale presenza dell'operando varia per ogni esecuzione, indica che l'operando è omesso utilizzando le funzioni ANeuralNetworksExecution_setInput() o ANeuralNetworksExecution_setOutput(), passando NULL per il buffer e 0 per la lunghezza.

Tensori di rango sconosciuto

Android 9 (livello API 28) ha introdotto operandi modello di dimensioni sconosciute, ma con rango noto (il numero di dimensioni). Android 10 (livello API 29) ha introdotto i tensori di rango sconosciuto, come mostrato in ANeuralNetworksOperandType.

Benchmark NNAPI

Il benchmark NNAPI è disponibile su AOSP in platform/test/mlts/benchmark (app di benchmark) e platform/test/mlts/models (modelli e set di dati).

Il benchmark valuta la latenza e l'accuratezza e confronta i driver con lo stesso lavoro eseguito utilizzando Tensorflow Lite in esecuzione sulla CPU, per gli stessi modelli e set di dati.

Per utilizzare il benchmark:

  1. Collega un dispositivo Android di destinazione al computer, apri una finestra del terminale e assicurati che il dispositivo sia raggiungibile tramite ADB.

  2. Se sono connessi più dispositivi Android, esporta la variabile di ambiente ANDROID_SERIAL del dispositivo di destinazione.

  3. Vai alla directory di origine di primo livello Android.

  4. Esegui i seguenti comandi:

    lunch aosp_arm-userdebug # Or aosp_arm64-userdebug if available
./test/mlts/benchmark/build_and_run_benchmark.sh

    Al termine di un'esecuzione del benchmark, i risultati verranno presentati come pagina HTML passata a xdg-open.

Log NNAPI

NNAPI genera informazioni diagnostiche utili nei log di sistema. Per analizzare i log, utilizza l'utilità logcat.

Attiva la registrazione dettagliata di NNAPI per fasi o componenti specifici impostando la proprietà debug.nn.vlog (utilizzando adb shell) sul seguente elenco di valori, separati da spazi, due punti o virgole:

  • model: creazione del modello
  • compilation: generazione del piano di esecuzione e della compilazione del modello
  • execution: esecuzione del modello
  • cpuexe: esecuzione di operazioni utilizzando l'implementazione della CPU NNAPI
  • manager: informazioni relative a estensioni NNAPI, interfacce disponibili e funzionalità
  • all o 1: tutti gli elementi precedenti

Ad esempio, per attivare la generazione di log dettagliati completi, utilizza il comando adb shell setprop debug.nn.vlog all. Per disattivare il logging dettagliato, utilizza il comando adb shell setprop debug.nn.vlog '""'.

Una volta attivato, il logging dettagliato genera voci di log a livello INFO con un tag impostato sul nome della fase o del componente.

Oltre ai messaggi controllati debug.nn.vlog, i componenti dell'API NNAPI forniscono altre voci di log a vari livelli, ognuna con un tag log specifico.

Per ottenere un elenco di componenti, cerca nella struttura dell'origine utilizzando la seguente espressione:

grep -R 'define LOG_TAG' | awk -F '"' '{print $2}' | sort -u | egrep -v "Sample|FileTag|test"

Al momento questa espressione restituisce i seguenti tag:

  • BurstBuilder
  • Callback
  • CompilationBuilder
  • CpuExecutor
  • ExecutionBuilder
  • ExecutionBurstController
  • ExecutionBurstServer
  • ExecutionPlan
  • Pilota Fibonacci
  • GraphDump
  • IndexedShapeWrapper
  • IonWatcher
  • Manager
  • Memoria
  • MemoryUtils
  • Metamodello
  • Informazioni sull'argomento del modello
  • ModelBuilder
  • NeuralNetworks
  • OperationResolver
  • Fasi operative
  • OperationsUtils
  • PackageInfo
  • TokenHasher
  • Gestore tipi
  • Utils
  • ValidateHal
  • VersionedInterfaces

Per controllare il livello dei messaggi di log mostrati da logcat, utilizza la variabile di ambiente ANDROID_LOG_TAGS.

Per visualizzare l'insieme completo di messaggi di log NNAPI e disattivare gli altri, imposta ANDROID_LOG_TAGS su quanto segue:

BurstBuilder:V Callbacks:V CompilationBuilder:V CpuExecutor:V ExecutionBuilder:V ExecutionBurstController:V ExecutionBurstServer:V ExecutionPlan:V FibonacciDriver:V GraphDump:V IndexedShapeWrapper:V IonWatcher:V Manager:V MemoryUtils:V Memory:V MetaModel:V ModelArgumentInfo:V ModelBuilder:V NeuralNetworks:V OperationResolver:V OperationsUtils:V Operations:V PackageInfo:V TokenHasher:V TypeManager:V Utils:V ValidateHal:V VersionedInterfaces:V *:S.

Puoi impostare ANDROID_LOG_TAGS utilizzando il seguente comando:

export ANDROID_LOG_TAGS=$(grep -R 'define LOG_TAG' | awk -F '"' '{ print $2 ":V" }' | sort -u | egrep -v "Sample|FileTag|test" | xargs echo -n; echo ' *:S')

Tieni presente che questo è solo un filtro che si applica a logcat. Devi comunque impostare la proprietà debug.nn.vlog su all per generare informazioni di log dettagliate.