树莓派 4 上的实时推理 (30 fps!)¶
创建于: Feb 08, 2022 | 最后更新于: Jan 16, 2024 | 最后验证于: Nov 05, 2024
作者: Tristan Rice
PyTorch 对树莓派 4 提供原生支持。本教程将指导你如何在树莓派 4 上设置以运行 PyTorch，并在 CPU 上实时（30 fps+）运行 MobileNet v2 分类模型。
所有测试均在树莓派 4 Model B 4GB 版本上进行，但也应适用于 2GB 版本以及性能降低的 3B 版本。
树莓派 4 设置¶
PyTorch 只提供 Arm 64 位 (aarch64) 的 pip 包，因此你需要为你的树莓派安装一个 64 位的操作系统版本。
你可以从以下地址下载最新的 arm64 树莓派操作系统：https://downloads.raspberrypi.org/raspios_arm64/images/ 并通过 rpi-imager 进行安装。
32 位树莓派操作系统将无法工作。
安装将花费至少几分钟，具体取决于你的网络速度和 SD 卡速度。完成后应如下所示：
是时候将 SD 卡插入你的树莓派，连接摄像头并启动它了。
一旦启动完成并你完成了初始设置，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 和所有我们需要的其他库都有 ARM 64 位/aarch64 版本，所以你可以通过 pip 直接安装它们，让它像其他 Linux 系统一样工作。
$ pip install torch torchvision torchaudio
$ pip install opencv-python
$ pip install numpy --upgrade
我们现在可以检查所有东西是否正确安装了
$ python -c "import torch; print(torch.__version__)"
视频捕获¶
对于视频捕获，我们将使用 OpenCV 来流式传输视频帧，而不是使用更常见的 picamera。picamera 在 64 位树莓派操作系统上不可用，而且比 OpenCV 慢得多。OpenCV 直接访问 /dev/video0 设备来获取帧。
我们使用的模型 (MobileNetV2) 接受的图像尺寸是 224x224，所以我们可以直接向 OpenCV 请求 36fps 的帧率。我们目标是模型达到 30fps，但我们请求略高于这个帧率，以便总是有足够的帧可用。
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 numpy 的 BGR 格式数组，因此我们需要读取并进行一些重排以将其转换为期望的 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其转换为模型期望的格式。这与你在任何机器上使用标准 torchvision 变换进行的处理相同。
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¶
有许多模型可供选择，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了该版本的模型，但如果你训练并量化自己的模型，则可以使用其中任何一个。
我们在本教程中使用 mobilenet_v2，因为它具有良好的性能和准确性。
树莓派 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 |
True |
mobilenet_v3_large |
29.3 |
34.1 |
30.7 |
True |
resnet18 |
9.2 |
109.0 |
100.3 |
False |
resnet50 |
4.3 |
233.9 |
225.2 |
False |
resnext101_32x8d |
1.1 |
892.5 |
885.3 |
False |
inception_v3 |
4.9 |
204.1 |
195.5 |
False |
googlenet |
7.4 |
135.3 |
132.0 |
False |
shufflenet_v2_x0_5 |
46.7 |
21.4 |
18.2 |
False |
shufflenet_v2_x1_0 |
24.4 |
41.0 |
37.7 |
False |
shufflenet_v2_x1_5 |
16.8 |
59.6 |
56.3 |
False |
shufflenet_v2_x2_0 |
11.6 |
86.3 |
82.7 |
False |
MobileNetV2：量化和 JIT¶
为了获得最佳性能，我们需要一个量化和融合的模型。量化意味着它使用 int8 进行计算，这比标准的 float32 数学运算性能高得多。融合意味着将连续的操作合并在一起，尽可能形成性能更高的版本。通常像激活函数（ReLU）可以合并到之前的层（Conv2d）中，在推理过程中。
pytorch 的 aarch64 版本需要使用 qnnpack 引擎。
import torch
torch.backends.quantized.engine = 'qnnpack'
对于本示例，我们将使用 torchvision 原生提供的预量化和融合的 MobileNetV2 版本。
from torchvision import models
net = models.quantization.mobilenet_v2(pretrained=True, quantize=True)
然后我们想要 JIT 编译模型，以减少 Python 开销并融合任何操作。JIT 可以让帧率达到约 30fps，而不使用 JIT 则只有约 20fps。
net = torch.jit.script(net)
整合代码¶
我们现在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
运行结果显示帧率稳定在约 30 fps。
这是在树莓派操作系统所有默认设置下的表现。如果你禁用 UI 和所有默认启用的其他后台服务，性能会更高、更稳定。
如果我们检查 htop，我们会看到几乎 100% 的利用率。
为了端到端验证其工作是否正常，我们可以计算类别的概率并使用 ImageNet 类别标签打印检测结果。
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
检测到一个橙子
检测到一个杯子
故障排除：性能问题¶
PyTorch 默认会使用所有可用的核心。如果你的树莓派上有其他后台程序运行，可能会与模型推理产生竞争，导致延迟激增。为了缓解此问题，你可以减少线程数量，这会以轻微的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 threads 而非 4 threads 会将最佳情况延迟从 60 ms 提高到 72 ms，但消除了高达 128 ms 的延迟激增。
下一步¶
你可以创建自己的模型或微调现有模型。如果你基于 torchvision.models.quantized 中的模型进行微调，大部分的融合和量化工作已经为你完成，这样你就可以直接在树莓派上以良好性能进行部署。
查看更多
