RetinaNet是一種One-Stage RCNN類型的檢測網絡，基本結構由一個Backbone、多個子網及NMS后處理組成。許多訓練框架中均實現了RetinaNet，典型的框架有Detectron2。本文以Detectron2的標準RetinaNet實現為例，介紹如何使用Blade優化RetinaNet（Detectron2）類型的模型。

使用限制

本文使用的環境需要滿足以下版本要求：
  • 系統環境：Linux系統中使用Python 3.6及其以上版本、CUDA 10.2。
  • 框架：PyTorch 1.8.1及其以上版本、Detectron2 0.4.1及其以上版本。
  • 推理優化工具：Blade 3.16.0及其以上版本。

操作流程

使用Blade優化RetinaNet（Detectron2）類型模型的流程如下：
  1. 步驟一：導出模型

    使用Detectron2提供的TracingAdapter或scripting_with_instances任何一種方式導出模型。

  2. 步驟二：調用Blade優化模型

    調用blade.optimize接口優化模型，并保存優化后的模型。

  3. 步驟三：加載運行優化后的模型

    經過對優化前后的模型進行性能測試，如果對結果滿意，可以加載優化后的模型進行推理。

步驟一：導出模型

Detectron2是FAIR開源的靈活、可擴展、可配置的目標檢測和圖像分割訓練框架。由于框架的靈活性，使用常規方法導出模型可能會失敗或得到錯誤的導出結果。為了支持TorchScript部署，Detectron2提供了TracingAdapter和scripting_with_instances兩種導出方式，詳情請參見Detectron2 Usage。

Blade支持輸入任意形式的TorchScript模型，如下以scripting_with_instances為例，介紹導出模型的過程。
import torch
import numpy as np

from torch import Tensor
from torch.testing import assert_allclose

from detectron2 import model_zoo
from detectron2.export import scripting_with_instances
from detectron2.structures import Boxes
from detectron2.data.detection_utils import read_image

# 使用scripting_with_instances導出RetinaNet模型。
def load_retinanet(config_path):
    model = model_zoo.get(config_path, trained=True).eval()
    fields = {
        "pred_boxes": Boxes,
        "scores": Tensor,
        "pred_classes": Tensor,
    }
    script_model = scripting_with_instances(model, fields)
    return model, script_model

# 下載一張示例圖片。
# wget http://images.cocodataset.org/val2017/000000439715.jpg -q -O input.jpg
img = read_image('./input.jpg')
img = torch.from_numpy(np.ascontiguousarray(img.transpose(2, 0, 1)))

# 嘗試執行和對比導出模型前后的結果。
pytorch_model, script_model = load_retinanet("COCO-Detection/retinanet_R_50_FPN_3x.yaml")
with torch.no_grad():
    batched_inputs = [{"image": img.float()}]
    pred1 = pytorch_model(batched_inputs)
    pred2 = script_model(batched_inputs)

assert_allclose(pred1[0]['instances'].scores, pred2[0].scores)

步驟二：調用Blade優化模型

  1. 調用Blade優化接口。
    調用blade.optimize接口對模型進行優化，代碼示例如下。關于blade.optimize接口詳情，請參見優化PyTorch模型。
    import blade

test_data = [(batched_inputs,)] # PyTorch的輸入數據是List of tuple。
optimized_model, opt_spec, report = blade.optimize(
    script_model,  # 上一步導出的TorchScript模型。 
    'o1',  # 開啟Blade O1級別的優化。
    device_type='gpu', # 目標設備為GPU。
    test_data=test_data, # 給定一組測試數據，用于輔助優化及測試。
)
  2. 打印優化報告并保存模型。
    Blade優化后的模型仍然是一個TorchScript模型。完成優化后，您可以通過如下代碼打印優化報告并保存優化模型。
    # 打印優化報告。
print("Report: {}".format(report))
# 保存優化后的模型。
torch.jit.save(optimized_model, 'optimized.pt')
    打印的優化報告如下所示，關于優化報告中的字段詳情請參見優化報告。
    Report: {
  "software_context": [
    {
      "software": "pytorch",
      "version": "1.8.1+cu102"
    },
    {
      "software": "cuda",
      "version": "10.2.0"
    }
  ],
  "hardware_context": {
    "device_type": "gpu",
    "microarchitecture": "T4"
  },
  "user_config": "",
  "diagnosis": {
    "model": "unnamed.pt",
    "test_data_source": "user provided",
    "shape_variation": "undefined",
    "message": "Unable to deduce model inputs information (data type, shape, value range, etc.)",
    "test_data_info": "0 shape: (3, 480, 640) data type: float32"
  },
  "optimizations": [
    {
      "name": "PtTrtPassFp16",
      "status": "effective",
      "speedup": "3.77",
      "pre_run": "40.64 ms",
      "post_run": "10.78 ms"
    }
  ],
  "overall": {
    "baseline": "40.73 ms",
    "optimized": "10.76 ms",
    "speedup": "3.79"
  },
  "model_info": {
    "input_format": "torch_script"
  },
  "compatibility_list": [
    {
      "device_type": "gpu",
      "microarchitecture": "T4"
    }
  ],
  "model_sdk": {}
}
  3. 對優化前后的模型進行性能測試。
    性能測試的代碼示例如下所示。
    import time

@torch.no_grad()
def benchmark(model, inp):
    for i in range(100):
        model(inp)
    torch.cuda.synchronize()
    start = time.time()
    for i in range(200):
        model(inp)
    torch.cuda.synchronize()
    elapsed_ms = (time.time() - start) * 1000
    print("Latency: {:.2f}".format(elapsed_ms / 200))

# 對優化前的模型測速。
benchmark(pytorch_model, batched_inputs)
# 對優化后的模型測速。
benchmark(optimized_model, batched_inputs)
    本次測試的參考結果值如下。
    Latency: 42.38
Latency: 10.77
    上述結果表示同樣執行200輪，優化前后的模型平均延時分別是42.38 ms和10.77 ms。

步驟三：加載運行優化后的模型

  1. 可選：在試用階段，您可以設置如下的環境變量，防止因為鑒權失敗而程序退出。
    export BLADE_AUTH_USE_COUNTING=1
  2. 獲取鑒權。
    export BLADE_REGION=<region>
export BLADE_TOKEN=<token>
    您需要根據實際情況替換以下參數：
    • <region>：Blade支持的地域，需要加入Blade用戶群獲取該信息，用戶群的二維碼詳情請參見獲取Token。
    • <token>：鑒權Token，需要加入Blade用戶群獲取該信息，用戶群的二維碼詳情請參見獲取Token。
  3. 部署模型。
    Blade優化后的模型仍然是TorchScript，因此您無需切換環境即可加載優化后的結果。
    import blade.runtime.torch
import detectron2
import torch

from torch.testing import assert_allclose
from detectron2.utils.testing import (
    get_sample_coco_image,
)

pytorch_model = model_zoo.get("COCO-Detection/retinanet_R_50_FPN_3x.yaml", trained=True).eval()
optimized_model = torch.jit.load('optimized.pt')

img = read_image('./input.jpg')
img = torch.from_numpy(np.ascontiguousarray(img.transpose(2, 0, 1)))

with torch.no_grad():
    batched_inputs = [{"image": img.float()}]
    pred1 = pytorch_model(batched_inputs)
    pred2 = optimized_model(batched_inputs)

assert_allclose(pred1[0]['instances'].scores, pred2[0].scores, rtol=1e-3, atol=1e-2)