作者：王国强 苏州嘉树医疗科技有限公司 算法工程师
指导：颜国进 英特尔边缘计算创新大使

1.1 OpenVINO™ 介绍

OpenVINO™ 是一个开源工具套件，用于对深度学习模型进行优化并在云端、边缘进行部署。它能在诸如生成式人工智能、视频、音频以及语言等各类应用场景中加快深度学习推理的速度，且支持来自 PyTorch、TensorFlow、ONNX 等热门框架的模型。实现模型的转换与优化，并在包括 Intel®硬件及各种环境（本地、设备端、浏览器或者云端）中进行部署。


图1-2 以深度学习为基础的AI技术在各行各业应用广泛

1.2 Ubuntu22.04 上的OpenVINO™ 环境配置
OpenVINO™ 官方文档 https://docs.openvino.ai 有最新版本的安装教程，这里使用压缩包的方式安装，选择对应的 Ubuntu22 的版本：



下载到哪吒开发板上后将压缩包解压：

tar -zxvf l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64.tgz

进入解压目录，安装依赖：

cd l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64/
sudo -E ./install_dependencies/install_openvino_dependencies.sh

然后配置环境变量：

source ./setupvars.sh

这样 OpenVINO™ 的环境就配置好了，可以直接在 Intel CPU 上推理模型，如果需要在 Intel iGPU 上推理，还需要另外安装 OpenCL runtime packages，参考官方文档：

https://docs.openvino.ai/2024/get-started/configurations/configurations-intel-gpu.html

这里使用 deb 包的方式安装，按照 Github

https://github.com/intel/compute-runtime

的说明下载7个 deb 包，然后 dpkg 安***r/>

sudo dpkg -i *.deb

如果 dpkg 安装出现依赖报错，就需要先 apt 安装依赖，然后再 dpkg 安装7个 deb 包

sudo apt install ocl-icd-libopencl1

这样在哪吒开发板 Ubuntu22.04 上使用 Intel iGPU 进行 OpenVINO™ 推理的环境就配置完成了。

1.3 Transformer模型推理

模型是一个基于 Transformer 结构的模型，训练后生成 ONNX 中间表示，OpenVINO™ 可以直接使用 ONNX 模型进行推理，也可以转为 OpenVINO™ IR格式，转换命令如下：

ovc model.onnx

默认会生成 FP16 的模型，如果精度有较大损失，可指定 compress_to_fp16 为 False 就不会进行 FP16 量化了：

ovc model.onnx --compress_to_fp16=False

转换后将生成.xml和.bin两个文件，.xml文件描述了模型的结构，.bin文件包含了模型各层的参数。

推理代码如下：

#include <iostream>
#include <fstream>
#include <string>
#include <sstream>
#include <vector>
#include <openvino.hpp>
#include <filesystem>
const int length = 300;
void read_csv(const char* filepath, float* input)
{
std::ifstream file(filepath);
std::string line;
if (file.is_open())
{
std::getline(file, line);
for (int i = 0; i < 300; i++)
{
std::getline(file, line);
std::stringstream ss(line);
std::string field;
if (std::getline(ss, field, ','))
{
if (std::getline(ss, field, ','))
{
input[i] = std::stof(field);
}
}
}
file.close();
}
float maxVal = *std::max_element(input, input + 300);
for (int i = 0; i < 300; i++)
{
input[i] /= maxVal;
}
}
std::vector<float> softmax(std::vector<float> input)
{
std::vector<float> output(input.size());
float sum = 0;
for (int i = 0; i < input.size(); i++)
{
output[i] = exp(input[i]);
sum += output[i];
}
for (int i = 0; i < input.size(); i++)
{
output[i] /= sum;
}
return output;
}
void warmup(ov::InferRequest request)
{
std::vector<float> inputData(length);
memcpy(request.get_input_tensor().data<float>(), inputData.data(), length * sizeof(float));
request.infer();
}
int main()
{
const char* modelFile = "/home/up/openvino/AutoInjector_Transformer/AutoInjector_Transformer/2024-07-17-17-28-00_best_model.xml";
const char* dirpath = "/home/up/openvino/AutoInjector_Transformer/AutoInjector_Transformer/data";
const char* device = "GPU";
std::vector<float> inputs(length);
std::vector<float> outputs(length * 4);
ov::Core core;
// Load Model
std::cout << "Loading Model" << std::endl;
auto start_load_model = std::chrono::high_resolution_clock::now();
auto model = core.read_model(modelFile);
auto compiled_model = core.compile_model(model, device);
ov::InferRequest request = compiled_model.create_infer_request();
std::cout << "Model Loaded, " << "time: " << std::chrono::duration_cast<std::chrono::milliseconds>(std::chrono::high_resolution_clock::now() - start_load_model).count() << "ms" << std::endl;
request.get_input_tensor().set_shape(std::vector<size_t>{1, length});
// Warmup
warmup(request);
for (auto& filename : std::filesystem::directory_iterator(dirpath))
{
std::string pathObj = filename.path().string();
const char* filepath = pathObj.c_str();
std::cout << "Current File: " << filepath << std::endl;
// Read CSV
auto start = std::chrono::high_resolution_clock::now();
read_csv(filepath, inputs.data());
memcpy(request.get_input_tensor().data<float>(), inputs.data(), length * sizeof(float));
// Infer
request.infer();
// Get Output Data
memcpy(outputs.data(), request.get_output_tensor().data<float>(), length * sizeof(float) * 4);
// Softmax
std::vector<float> softmax_results(length);
std::vector<float> temp(4);
std::vector<float> softmax_tmp(4);
for (int i = 0; i < length; i++)
{
for (int j = 0; j < 4; j++)
{
temp[j] = outputs[j * length + i];
}
softmax_tmp = softmax(temp);
auto maxVal = std::max_element(softmax_tmp.begin(), softmax_tmp.end());
auto maxIndex = std::distance(softmax_tmp.begin(), maxVal);
softmax_results[i] = maxIndex;
}
std::cout << "Infer time: " << std::chrono::duration_cast<std::chrono::milliseconds>(std::chrono::high_resolution_clock::now() - start).count() << "ms" << std::endl;

// Print outputs
for (int i = 0; i < length; i++)
{
std::cout << softmax_results[i] << " ";
}
}
return 0;
}

使用 cmake 进行构建，在 CMakeLists.txt 中指定变量 ${OpenVino_ROOT} 为前面解压的 OpenVINO 压缩包路径：

cmake_minimum_required(VERSION 3.10.0)
project(AutoInjector_Transformer)
set(CMAKE_CXX_STANDARD 20)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
set(OpenVino_ROOT /home/up/openvino/l_openvino_toolkit_ubuntu22_2024.3.0.16041.1e3b88e4e3f_x86_64/runtime)
set(OpenVINO_DIR ${OpenVino_ROOT}/cmake)
find_package(OpenVINO REQUIRED)
include_directories(
${OpenVino_ROOT}/include
${OpenVino_ROOT}/include/openvino
)
link_directories(
${OpenVino_ROOT}/lib
${OpenVino_ROOT}/lib/intel64
)
add_executable(AutoInjector_Transformer AutoInjector_Transformer.cpp)
target_link_libraries(AutoInjector_Transformer openvino)

然后 cmake 构建项目：

mkdir build && cd build
cmake ..
make

然后运行生成的可执行文件：



可以看到，在 Intel iGPU 上的推理速度还是很快的，前几次推理稍慢，8ms，后续基本稳定在 4ms，这跟我之前在 RTX4060 GPU 上用 TensorRT 推理并没有慢多少。然后我这里修改了代码改为 CPU 运行，重新编译、运行，结果在 Intel CPU 上的速度还要更快一点。