树莓派 4 上的实时推理 (30 fps！)¶
作者: Tristan Rice
PyTorch 对树莓派 4 提供了开箱即用的支持。本教程将指导你如何在树莓派 4 上设置 PyTorch 并实时 (30 fps+) 在 CPU 上运行 MobileNet v2 分类模型。
所有这些都在树莓派 4 Model B 4GB 上进行了测试，但应该也适用于 2GB 版本，以及在 3B 上运行，但性能会降低。
树莓派 4 设置¶
PyTorch 仅为 Arm 64 位 (aarch64) 提供 pip 包，因此你需要在树莓派上安装 64 位版本的系统
你可以从 https://downloads.raspberrypi.org/raspios_arm64/images/ 下载最新的 arm64 Raspberry Pi OS 并通过 rpi-imager 安装。
32 位 Raspberry Pi OS 将无法工作。
安装至少需要几分钟，具体取决于你的互联网速度和 SD 卡速度。完成后，它应该如下所示
现在是时候将你的 SD 卡插入 Raspberry Pi，连接摄像头并启动它了。
启动并完成初始设置后，你需要编辑 /boot/config.txt 文件以启用摄像头。
# This enables the extended features such as the camera.
start_x=1
# This needs to be at least 128M for the camera processing, if it's bigger you can just leave it as is.
gpu_mem=128
# You need to commment/remove the existing camera_auto_detect line since this causes issues with OpenCV/V4L2 capture.
#camera_auto_detect=1
然后重启。重启后，video4linux2 设备 /dev/video0 应该存在。
安装 PyTorch 和 OpenCV¶
PyTorch 和我们需要的其他所有库都有 ARM 64 位/aarch64 版本，因此你可以通过 pip 安装它们，就像在任何其他 Linux 系统上一样。
$ pip install torch torchvision torchaudio
$ pip install opencv-python
$ pip install numpy --upgrade
现在我们可以检查所有内容是否已正确安装。
$ python -c "import torch; print(torch.__version__)"
视频捕捉¶
对于视频捕捉，我们将使用 OpenCV 来流式传输视频帧，而不是更常见的 picamera。 picamera 在 64 位 Raspberry Pi OS 上不可用，并且比 OpenCV 慢得多。OpenCV 直接访问 /dev/video0 设备来抓取帧。
我们使用的模型（MobileNetV2）接收 224x224 尺寸的图像，因此我们可以直接从 OpenCV 以 36fps 的速度请求。我们的目标是模型的 30fps，但我们请求稍微更高的帧率，这样总会有足够的帧。
import cv2
from PIL import Image
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 224)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 224)
cap.set(cv2.CAP_PROP_FPS, 36)
OpenCV 返回一个 BGR 格式的 numpy 数组，因此我们需要读取并进行一些调整以将其转换为预期的 RGB 格式。
ret, image = cap.read()
# convert opencv output from BGR to RGB
image = image[:, :, [2, 1, 0]]
此数据读取和处理大约需要 3.5 ms。
图像预处理¶
我们需要获取帧并将它们转换为模型期望的格式。这与你在任何机器上使用标准 torchvision 变换所做的处理相同。
from torchvision import transforms
preprocess = transforms.Compose([
# convert the frame to a CHW torch tensor for training
transforms.ToTensor(),
# normalize the colors to the range that mobilenet_v2/3 expect
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])
input_tensor = preprocess(image)
# The model can handle multiple images simultaneously so we need to add an
# empty dimension for the batch.
# [3, 224, 224] -> [1, 3, 224, 224]
input_batch = input_tensor.unsqueeze(0)
模型选择¶
你可以选择许多模型，它们具有不同的性能特征。并非所有模型都提供 qnnpack 预训练版本，因此出于测试目的，你应该选择一个提供预训练版本的模型，但如果你训练并量化自己的模型，则可以使用任何模型。
在本教程中，我们使用 mobilenet_v2，因为它具有良好的性能和准确性。
Raspberry Pi 4 基准测试结果
模型 |
FPS |
总时间（毫秒/帧） |
模型时间（毫秒/帧） |
qnnpack 预训练 |
|---|---|---|---|---|
mobilenet_v2 |
33.7 |
29.7 |
26.4 |
是 |
mobilenet_v3_large |
29.3 |
34.1 |
30.7 |
是 |
resnet18 |
9.2 |
109.0 |
100.3 |
否 |
resnet50 |
4.3 |
233.9 |
225.2 |
否 |
resnext101_32x8d |
1.1 |
892.5 |
885.3 |
否 |
inception_v3 |
4.9 |
204.1 |
195.5 |
否 |
googlenet |
7.4 |
135.3 |
132.0 |
否 |
shufflenet_v2_x0_5 |
46.7 |
21.4 |
18.2 |
否 |
shufflenet_v2_x1_0 |
24.4 |
41.0 |
37.7 |
否 |
shufflenet_v2_x1_5 |
16.8 |
59.6 |
56.3 |
否 |
shufflenet_v2_x2_0 |
11.6 |
86.3 |
82.7 |
否 |
MobileNetV2：量化和 JIT¶
为了获得最佳性能，我们希望模型被量化和融合。量化意味着它使用 int8 进行计算，这比标准的 float32 数学运算效率高得多。融合意味着在可能的情况下，连续的操作已被融合成更高效的版本。通常，诸如激活（ReLU）之类的操作可以在推理期间与之前的层（Conv2d）合并。
aarch64 版本的 pytorch 需要使用 qnnpack 引擎。
import torch
torch.backends.quantized.engine = 'qnnpack'
在本例中，我们将使用 torchvision 提供的 MobileNetV2 的预量化和融合版本。
from torchvision import models
net = models.quantization.mobilenet_v2(pretrained=True, quantize=True)
然后，我们希望对模型进行 JIT，以减少 Python 开销并融合任何操作。JIT 使我们能够达到大约 30fps，而不是没有 JIT 的大约 20fps。
net = torch.jit.script(net)
整合在一起¶
现在我们可以将所有部分整合在一起并运行它。
import time
import torch
import numpy as np
from torchvision import models, transforms
import cv2
from PIL import Image
torch.backends.quantized.engine = 'qnnpack'
cap = cv2.VideoCapture(0, cv2.CAP_V4L2)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 224)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 224)
cap.set(cv2.CAP_PROP_FPS, 36)
preprocess = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])
net = models.quantization.mobilenet_v2(pretrained=True, quantize=True)
# jit model to take it from ~20fps to ~30fps
net = torch.jit.script(net)
started = time.time()
last_logged = time.time()
frame_count = 0
with torch.no_grad():
while True:
# read frame
ret, image = cap.read()
if not ret:
raise RuntimeError("failed to read frame")
# convert opencv output from BGR to RGB
image = image[:, :, [2, 1, 0]]
permuted = image
# preprocess
input_tensor = preprocess(image)
# create a mini-batch as expected by the model
input_batch = input_tensor.unsqueeze(0)
# run model
output = net(input_batch)
# do something with output ...
# log model performance
frame_count += 1
now = time.time()
if now - last_logged > 1:
print(f"{frame_count / (now-last_logged)} fps")
last_logged = now
frame_count = 0
运行它表明我们徘徊在约 30fps。
这是在 Raspberry Pi OS 中使用所有默认设置的情况下。如果你禁用了默认启用的 UI 和所有其他后台服务，则性能会更高，更稳定。
如果我们检查 htop，我们会看到我们几乎有 100% 的利用率。
为了验证它端到端地工作，我们可以计算类的概率，并 使用 ImageNet 类标签 打印检测结果。
top = list(enumerate(output[0].softmax(dim=0)))
top.sort(key=lambda x: x[1], reverse=True)
for idx, val in top[:10]:
print(f"{val.item()*100:.2f}% {classes[idx]}")
mobilenet_v3_large 实时运行
检测橙子
检测马克杯
故障排除：性能¶
PyTorch 默认情况下将使用所有可用的核心。如果你在 Raspberry Pi 上的后台运行任何东西，它可能会导致与模型推理的竞争，从而导致延迟峰值。为了缓解这个问题，你可以减少线程数，这将以少量性能损失为代价降低峰值延迟。
torch.set_num_threads(2)
对于 shufflenet_v2_x1_5，使用 2 个线程 而不是 4 个线程 将最佳情况延迟从 60 ms 提高到 72 ms，但消除了 128 ms 的延迟峰值。
后续步骤¶
你可以创建自己的模型或微调现有的模型。如果你微调 torchvision.models.quantized 中的某个模型，则大部分融合和量化的工作已经为你完成，因此你可以直接部署并在 Raspberry Pi 上获得良好的性能。
更多信息
