Maix-EMC深度學習模型的嵌入式部署

深度學習模型的嵌入式部署一直以來都不是那么得容易，雖然現在有Nvidia Nano和TFLite的樹莓派部署，但要么硬件成本太高、功耗太大、要么性能太差，難以實用化和產品化。一方面，AI科學家和工程師沒有太多的嵌入式知識，另一方面，嵌入式工程師沒有太多AI的知識，因此很需要開源硬件社區來解決這些問題。

本文介紹AIoT目前的情況以及面臨的挑戰，并講解Maix-EMC的開發緣由，功能和實現。我們也希望有一定基礎的小伙伴可以加入開源社區一起完善Maix-EMC，讓大家可以轉換更多結構的模型到低成本AIoT硬件上。（參與項目貢獻的小伙伴可獲贈Maix套裝一份?。?/p>

眼瞅著AI紅紅火火，無數的嵌入式工程師也眼紅著。與此同時，一大批AI科學家開發出來的模型，也面臨落地問題?；诎沧炕蛘?a target='_blank' class='arckwlink_none'>Linux的開發者還好，谷歌大佬給了TFLite的支持，但是沒有AI加速器的普通ARM平臺板子成本動輒已經幾百元了，而跑起模型來卻只有幾幀。。玩單片機的嵌入式工程師手頭的主控芯片往往算力最高僅數百MOPS，內存數百KB，也沒有TFLite解釋器，一切都是那么絕望。

?

OpenMV模組

另一方面，AI科學家和工程師們也有著自己的硬件夢，估計很多人早就用樹莓派玩起了TFLite，或者更深入地玩起了Tengine， NCNN等加速引擎。但是沒有AI加速器的加持，再怎么優化，幀數還是個位數，價格親民的樹莓派3+攝像頭 成本也要接近300元了！

?

樹莓派開發板

作為嵌入式設備主控芯片的老大哥---ARM，早早地出了在自家Cortex-M系列芯片上運行的NN后端支持庫：CMSIS-NN。然而其充其量相當于TF的ops的底層實現，需要用戶小心翼翼地管理內存，設置量化參數。這都2019年了，誰還想要像5000年前那樣手工擼神經網絡呢？

2019年，谷歌也推出了TFLite for Micro，與ARM相反，谷歌是從復雜的TFLite往下精簡。粗粗翻閱TFLite for Micro的代碼，目前還在比較初級的階段，支持的ops比較少，內存管理貌似不夠精簡（使用了大量的allocator），為了支持一些動態特性有些許效率的犧牲。當然其優點還是支持從谷歌的TFLite轉換。

目前，這兩者都還處于實驗階段，還沒有跑起來MobileNet等大家耳熟能詳的輕量級網絡，能跑的只是MNIST或者Cifar10等級的教學意義上的小網絡，沒有任何的意義，并且它們對要求使用者具有豐富的神經網絡經驗，包括但不限于：量化，剪枝，蒸餾，壓縮。這些都大大限制了它的實用性。

不過，高手在民間，2019年春節，在UP主的QQ群里就活捉了一只來自拉夫堡大學的生猛老博，他的嵌入式神經網絡框架NNoM就實現了不錯的可用性，讓用戶可以忽略模型在嵌入式端的實現細節，通過其解釋器自動執行完畢。在這個框架下，基本只受限于主控本身內存，算力，以及作者本身的填坑速度了。

新的轉機

在2018年末，嘉楠耘智出了一款價格親民的高素質純國產AI芯片----K210。其低廉的價格（3美金以下），新穎的核心（RISC-V 64GC），強大的算力（~1TOPS），較低的功耗（0.3~0.5W），以及穩定的貨源。吸引了Sipeed和TensorLayer開源社區的注意。圍繞著這款芯片，Sipeed開源了一系列的硬件模塊設計，制作了多款嵌入式板卡：MAIX Go/Bit/Dock/Duino…

?

Sipeed基于K210開發的相關模組

為了方便大家快速上手，Sipeed開發了易用的MaixPy (MicroPython)環境, 并兼容了多數OpenMV接口：

Github: Sipeed - MaixPy Micropython env for Sipeed Maix boards. Contribute to sipeed/MaixPy development by creating an account on GitHub.?github.com

?

?

雖然Maix板卡已經具備了運行MobileNet等典型網絡的能力，具備了實用性；然而，一直有個問題困擾著Sipeed和TensorLayer社區的小伙伴們：芯片原廠提供的模型轉換器nncase不好用啊。原廠的模型轉換器主要有以下問題：

• 對于AI開發者不友好
  用戶需要經過：h5 -> pb -> tflite -> kmodel 多道工序才能完成轉換。
• 出錯提示過于簡略
  nncase的出錯提示讓人摸不著頭腦，僅會報某層類型不支持，連層號都沒有。又因為層的轉換涉及到前后文順序，單靠一個出錯時的層號，很難排查。
• C#工程過于模塊化
  雖然轉換器本身不是很大的工作量，但是nncase的C#工程過于細分，有三四級目錄，又沒有相應文檔說明，很多愛好者即使有心想改進nncase，卻也耐不住性子去翻閱這樣繁雜的工程。

那么好的芯片，沒有好用的工具怎么行，既然原廠的工具不好用，那么開源社區組團上吧–>

擼一個模型轉換器吧

Maix-EMC的初衷就是做一個好用的、好維護的、社區型、跨平臺模型轉換器，設計目標如下：

1. 使用Python編寫，簡潔清晰，適當模塊化，讓有一定基礎的AI工程師能參與完善；
2. 基于層結構的模型解析，對于以層為基礎的深度學習框架有一定移植性（如，TensorLayer, Keras）;
3. 使用扁平化，無需復雜解析的模型文件，即時載入內存，即時執行；
4. 嵌入式端解析器使用層類型進行解析，后端運算庫具備可插拔性（比如使用CMSIS-NN作為后端）;

這個構想埋在心里很久，一直苦于業務繁忙沒有時間去實現，最近總算是抽空斷斷續續地開始挖了這個坑。。如果你只想使用Maxi-EMC，而不關心它的細節，請看這篇文章：

低成本AIoT硬件深度學習部署實戰?zhuanlan.zhihu.com

Maxi-EMC的基礎架構

左側:?EMC即這個工作的左側，將PC端的模型文件轉換成二進制扁平化的模型文件。PC端的模型文件我們選用了TensorLayer，因為TensorLayer的層定義高度比較合適，基本等同于kmodel定義的層的高度，兩者轉換基本只是作了 量化，某些層的合并優化， 極大地加快了開發進度。反觀TensorFlow的pb文件里算子，低到了Add, mul的程度， 需要手工整合這些低層次算子到層定義，非常不便。

中間：這個工作的中間是kmodel文件，類似于字節碼或者說IR。這里模型文件沒有采用通用的protobuf(pb)或者flatbuffer(tflite), 因為對于嵌入式平臺來說，它們的解析以及內存消耗都太大。為了快速實現demo，并考慮嵌入式的效率，這里我們借用了k210 sdk中的kmodel v3格式。這個格式本是為K210設計，但是同樣適用于普通嵌入式平臺，只需新增通用層類型的定義。

右側：這個工作的右側是嵌入式硬件平臺上的kmodel解釋器（interpreter）。對于k210, 我們只需借用SDK本身的kpu.c, 稍作修改即可。對于普通單片機，我們只需將kpu.c中的卷積層計算函數替換成普通的cpu計算函數。這里的計算后端可以借用CMSIS-NN或者NNoM的計算后端，往上套上kmodel層參數的調用wrapper即可。

下面我們從左到右介紹整個流程的實現。

TensorLayer模型轉換為kmodel

層結構的轉換

由于TensorLayer使用基于層的模型結構描述，整個轉換過程比較簡單。入口文件是edge_model.py，其中gen_edge_layers_from_network將TensorLayer層轉換為EMC的層中間表示形式。這里首先通過platform_table查表選擇當前硬件平臺使用的TensorLayer層轉EMC層的函數表，以及打包模型的函數。

platform_table = {
#   platform       tl layer convertor   model generator
    'k210'      :   [tl_to_k210_table, gen_kmodel]
    #'stm32'    :   gen_stm32_layer_func_table,
} 

在tl_to_k210_table中，gen_edge_layer_from_network查找到對應的TensorLayer層類型的表項，并往后匹配到最長的列表，將該列表交給layer_generator 來生成 EMC中間層的list （可能會在前后加了上傳/下載/量化/去量化的dummy層）

tl_to_k210_table= {
#   TL layer class          layer_generator     merge
    'Dense'                 :[gen_fc_layer,         [[],]] ,
    'Flatten'               :[gen_flatten_layer,    [[],]] ,
    'Reshape'               :[None,                 [[],]] ,
    'GlobalMaxPool2d'       :[gen_gmaxpool2d_layer, [[],]] ,
    'GlobalMeanPool2d'      :[gen_gavgpool2d_layer, [[],]] ,
    'MaxPool2d'             :[gen_maxpool2d_layer,  [[],]] ,
    'MeanPool2d'            :[gen_avgpool2d_layer,  [[],]] ,
    'Concat'                :[gen_concat_layer,     [[],]] ,
    'Conv2d'                :[gen_k210_conv_layer,  [[], ['BatchNorm'],]] ,
    'DepthwiseConv2d'       :[gen_k210_conv_layer,  [[], ['BatchNorm'],]] ,
    'ZeroPad2d'             :[gen_k210_conv_layer,  [['Conv2d'], \
                                                     ['Conv2d', 'BatchNorm'], \
                                                     ['DepthwiseConv2d'], \
                                                     ['DepthwiseConv2d', 'BatchNorm']]] ,
    'DummyDequant'          :[gen_dequant_layer,    [[],]] ,  
    'SoftMax'               :[gen_softmax_layer,    [[],]] ,  
}

量化操作

由于TensorLayer目前沒有很好的量化API，所以在EMC的層轉換中附帶實現了參數量化。
edge_quant.py中可選minmax或者kld量化。實測對于小模型，minmax還是最簡單直接，快速有效的方式。KLD方式可能略有提升，但有時卻會負優化。。為了進一步提升精度，我們還使用了Channel Wise的量化方式來降低精度損失。對每一個Channel使用不同的量化參數，直到最后再合并，經測試在大通道的模型中會有一定的優化效果。

后處理及打包

至此我們初步將TensorLayer層轉換成了一系列層列表，我們再使用optimize_layers來優化層列表，去除一些抵消的層（如相鄰的量化/去量化層），進行一些可選的后處理（比如k210的stride修復步驟）。

然后我們使用gen_kmodel將層列表轉換成kmodel層列表中的每個層都有to_kmodel方法，調用該方法即可獲得當前層符合kmodel格式的layer body的bytearray結果。gen_kmodel再把所有層的body堆疊在一起，統計好最大的動態內存需求，加好頭部，即得到了kmodel。

EMC 層支持的添加

這里簡單介紹下如何添加新的層支持。首先在edge_model.py的tl_to_k210_table里加上你需要添加的TensorLayer層與EMC層的轉換表項。然后在對應的xxx_layer.py中加上對應的實現。K210相關的加速層在k210_layer.py中實現(目前已經基本實現，但是需要修復一些bug)，CPU計算的非加速層，在edge_layer中實現。只需模仿其中的層的實現，對每個層類型，完成以下一個函數和一個類：

• gen_xxx_layer: 輸入TL layer list, 轉換成EMC layer list；
• class xxx_Layer: 需要實現init方法（填充層信息），以及to_kmodel方法（按kmodel格式填充信息，返回打包的bytearray）

事實上，你可以實現自定義的to_xxxmodel方法，在此框架上實現你自己的模型格式。

kmodel簡介

kmodel是一個自定義的，扁平化的模型存儲格式，模型格式的封裝已經在EMC代碼里完成，這里簡要介紹一下：在EMC中，我們調用了dissect.cstruct, 這是pyhton解析c結構體的庫， 很方便我們使用k210的kpu.c中關于kmodel的結構體定義。在EMC中，這部分定義放在k210_constant.py中：

"
typedef struct
{
    uint32 version;			
    uint32 flags;
    uint32 arch;				
    uint32 layers_length;		
    uint32 max_start_address;
    uint32 main_mem_usage;	
    uint32 output_count;		
} kpu_model_header_t;
typedef struct
{
    uint32 address;
    uint32 size;
} kpu_model_output_t;
typedef struct
{
    uint32 type;
    uint32 body_size;
} kpu_model_layer_header_t;
...

kmodel 頭部是kpu_model_header_t， 描述了 版本，量化位數，層數，最大內存占用大?。寗又幸淮涡陨暾堅撃Ｐ托枰膭討B內存），輸出節點數量。在頭部之后，排列著若干個kpu_model_output_t，描述輸出節點的信息。在輸出節點信息之后，排列著所有層的頭部信息：kpu_model_layer_header_t，依次描述層的類型，層body的大小。在層頭部信息之后，就按層信息依次排列層body數據，其中某些部分會要求一定的字節對齊。

層類型定義在edge_constant.py中，在原始的kpu.h的定義上稍作修改，區分了k210專用層和普通層（這里是為了快速移植K210驅動才使用了K210專用層，理論上僅定義一套通用層標準比較好）

K210的kmodel解釋器的實現

可以參見kpu.c, 驅動會按順序讀取kmodel每一層的層信息，根據層類型執行對應函數。
需要注意的是上傳/下載操作。K210內存分為6M CPU內存 和 2M KPU內存。使用KPU計算的層，需要將待計算的數據上傳到KPU內存。在KPU中，可以連續計算很多層CONV相關計算，而無需將結果下載到CPU內存。但是一旦下一層是需要CPU運算的層，則需要進行一次下載才能繼續運行。所以，我們需要留意TensorLayer層的順序，在需要切換KPU/CPU運行的層前后，插入上傳，下載的dummy 層。在EMC中，我們使用meta_info[‘is_inai’]字段確認當前的待計算內容是否在AI內存。

另外，KPU計算，使用的2M內存，是以乒乓形式使用，即輸入數據在開端，則輸出結果在末端進入下一層后，上一層的輸出結果作為了輸入結果，在末端，計算結果放到了開端。
如此往復計算，EMC中meta_info[‘conv_idx’]記錄了當前的卷積層序號，進而可以確認當前的輸出結果所在KPU內存的偏移。

其它注意點，需要下載kpu.c查看：https://github.com/kendryte/kendryte-standalone-sdk/blob/develop/lib/drivers/kpu.c

測試

我們使用Maix-EMC測試轉換了mbnet的每一層，與PC原始結果對比：

?

同一張圖片，alpha=1.0, top5的預測概率：

同一張圖片，alpha=0.75, top5的預測概率：

同一張圖片，alpha=0.5, top5的預測概率：

可以看到相對PC端的結果，K210的計算結果退化了3~6%，是否是轉換器原因造成的呢？
我們對比下谷歌的TFLite的量化工具的測試數據：

發現對于MobileNet來說，TFLite的量化也造成了5.6%的損失，所以這是正常的損失。（當然這里的tflite的精度是指的是數據集總體的精度損失，我前面僅測了一張圖片的概率損失，有差別）。雖然我們有很多方式改善訓練后量化損失，但是基本都會膨脹模型體積，所以在這里不再贅述。

小結

目前Maix-EMC完成了初步簡單結構的模型轉換功能，可以基于TensorLayer框架快速部署到K210普通上，對于復雜模型仍然需要社區小伙伴一起完善。