最近客户反馈我们的backend导入Pytorch模型会出错,而TFLite模型是OK的。
打印模型的IR后,我们发现:
这是Pytorch模型的IR片段:
%0 = qnn.quantize(%input, 0.0186579f, 114, out_dtype="uint8", axis=1);
%1 = nn.pad(%0, 114f, pad_width=[[0, 0], [0, 0], [1, 1], [1, 1]]);
%2 = qnn.quantize(%features.0.0_weight, 0.00288958f, 0, out_dtype="int8", axis=0);
%3 = qnn.conv2d(%1, %2, 114, 0, 0.0186579f, 0.00288958f, strides=[2, 2], padding=[0, 0, 0, 0], channels=32, kernel_size=[3, 3], out_dtype="int32");
%4 = qnn.quantize(%features.0.0_bias, 5.39136e-05f, 0, out_dtype="int32", axis=0);
%5 = nn.bias_add(%3, %4);
%6 = qnn.requantize(%5, 5.39136e-05f, 0, 0.0150183f, 0, axis=1, out_dtype="int32");
%7 = clip(%6, a_min=0f, a_max=255f);
%8 = cast(%7, dtype="uint8");
这是TFLite模型的IR片段:
%0 = qnn.quantize(%input, 0.0186579f /* ty=float32 */, 114 /* ty=int32 */, out_dtype="uint8", axis=1) /* ty=Tensor[(1, 3, 224, 224), uint8] */;
%1 = nn.pad(%0, 114f /* ty=float32 */, pad_width=[[0, 0], [0, 0], [1, 1], [1, 1]]) /* ty=Tensor[(1, 3, 226, 226), uint8] */;
%2 = qnn.conv2d(%1, meta[relay.Constant][0] /* ty=Tensor[(32, 3, 3, 3), int8] */, 114 /* ty=int32 */, 0 /* ty=int32 */, 0.0186579f /* ty=float32 */, 0.00288958f /* ty=float32 */, strides=[2, 2], padding=[0, 0, 0, 0], channels=32, kernel_size=[3, 3], out_dtype="int32") /* ty=Tensor[(1, 32, 112, 112), int32] */;
%3 = nn.bias_add(%2, meta[relay.Constant][1] /* ty=Tensor[(32), int32] */) /* ty=Tensor[(1, 32, 112, 112), int32] */;
%4 = qnn.requantize(%3, 5.39136e-05f /* ty=float32 */, 0 /* ty=int32 */, 0.0150183f /* ty=float32 */, 0 /* ty=int32 */, axis=1, out_dtype="uint8") /* ty=Tensor[(1, 32, 112, 112), uint8] */;
可以看出同一个QnnConv2D两者的展开形式存在一定的差异,但是语义上却基本是一致的。
在继续主题之前,我们首先来看看这个展开形式的差异是如何造成的。
TFLite/Pytorch模型导入之后,有一个转换成Relay IR的过程,也就是所谓的frontend。
相关代码在:
TFLite: python/tvm/relay/frontend/tflite.py
Pytorch: python/tvm/relay/frontend/pytorch.py和python/tvm/relay/frontend/qnn_torch.py
可以看出Pytorch的量化模型的weight是浮点数,而TFLite的量化模型的weight是整数。
有frontend自然就有backend:
python/tvm/relay/op/contrib/ethosn.py
和切割计算图有关的代码主要是:
seq = tvm.transform.Sequential(
[
......
transform.MergeComposite(pattern_table()),
transform.AnnotateTarget("ethos-n"),
transform.MergeCompilerRegions(),
transform.PartitionGraph(),
]
)
seq(mod)
这里的Pass基本看名字就知道功能了,唯一需要关注的是MergeComposite。
这是pattern_table的其中一个表项:
def qnn_conv_pattern():
pattern = is_op("nn.pad")(wildcard(), wildcard()) | wildcard()
pattern = is_op("qnn.conv2d")(
pattern, is_constant(), is_constant(), is_constant(), is_constant(), is_constant()
)
pattern = is_op("nn.bias_add")(pattern, is_constant())
pattern = is_op("qnn.requantize")(
pattern, is_constant(), is_constant(), is_constant(), is_constant()
)
return pattern
一般来说IR会定的比较细粒度,而AI硬件更喜欢粗粒度的op。所以往往若干个IR op组合起来,才能得到一个AI硬件op。这时就需要进行模板匹配。
一般来说,数据可以分为变量和常量(is_constant()
),如果既可能是变量,也可能是常量的话,就用wildcard()
匹配。
MergeComposite会将这个模板打包成一个函数,变量会写为函数的参数,而常量放到全局的meta data里。
下面我们来看看如何添加Pass进行这样的转换。
class QnnQuantizeConstFold : public DFPatternRewrite {
public:
QnnQuantizeConstFold() {
data_pat_ = IsConstant();
pattern_ = IsOp("qnn.quantize")({data_pat_, IsConstant(), IsConstant()});
}
Expr Callback(const Expr& pre, const Expr& post,
const Map<DFPattern, Array<Expr>>& node_map) const override {
......
if (output->dtype == DataType::Int(8)) {
return QuantizeData<int8_t>(......);
} else if (output->dtype == DataType::Int(32)) {
return QuantizeData<int32_t>(......);
}
return post;
}
protected:
DFPattern data_pat_;
};
Rewrite_
是Pass最重要的函数。其中最简单的当属DFPatternRewrite
。
Callback
的参数中,pre
表示原始Expr
,post
表示替换后的Expr
,返回值也是替换后的Expr
。(方便使用链式调用?)
如果Pass什么都不做的话,直接返回post
就可以了。
PS:虽然pre
和post
在运行之初是相同的,但是一旦替换开始,两者就有差异了,所以如果是写入的内容,一定要引用post
里的那份。
Pass不仅能用C++写,也可用python写。
class QnnQuantizeConstFold(tvm.relay.dataflow_pattern.DFPatternCallback):
def __init__(self, require_type=False):
super().__init__(require_type)
self.pattern = is_op("qnn.quantize")(
is_constant(), is_constant(), is_constant()
)
def callback(self, pre, post, node_map):
......
if (dtype == "int8"):
return tvm.relay.Constant(tvm.nd.array(data.astype(np.int8)))
if (dtype == "int32"):
return tvm.relay.Constant(tvm.nd.array(data.astype(np.int32)))
return post
可以看出,写法也是大同小异,只是更便于集成,也不用写FFI接口了。
使用方法:
func = mod["main"]
func = tvm.relay.Function(func.params, func.body, None, func.type_params, func.attrs)
func = tvm.relay.dataflow_pattern.rewrite(RemoveClipAfterRequantize(), func)
func = tvm.relay.dataflow_pattern.rewrite(QnnQuantizeConstFold(), func)
mod = tvm.IRModule.from_expr(func)
这里展示了DFPatternCallback
的使用方法,还有IRModule
和Expr
的相互转换方法。
参考:
https://tvm.apache.org/docs/reference/langref/relay_pattern.html
Pattern Matching in Relay
tvmc是tvm提供的一个命令行接口。
export TARGET="bnns, llvm -device=arm_cpu -mtriple=aarch64-linux-gnu"
python3 -m tvm.driver.tvmc compile ./mobilenet_v1_0.25_224_quant.tflite --target "$TARGET" -o tvmc.tar --cross-compiler "$CC" --cross-compiler-options "$CC_OPTIONS"
要点如下:
注意TARGET
的写法,这展示了如何将一个包含空格的字符串作为一个bash变量传递给命令行参数的做法。定义变量时的双引号和使用时的双引号都是必不可少的。
有些backend需要partation,将能执行的op分配到该设备上,因此TARGET
也包含了两部分(用逗号分隔),其中第一部分用于partation。
相关代码在:
python/tvm/driver/tvmc/composite_target.py