Arahan Dokumentasi Kit Alat Kecekapan Qualcomm Aimet

KBA-231226181840

1. Sediakan Persekitaran

1.1. Pasang Pemacu Nvidia dan CUDA

1.2. Pasang Perpustakaan Python Berkaitan

python3 -m pip install –upgrade –abaikan-installed pip
python3 -m pip install –ignore-installed gdown
python3 -m pip install –ignore-installed opencv-python
python3 -m pip install –ignore-installed torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
python3 -m pip install –ignore-installed jax
python3 -m pip install –ignore-installed ftfy
python3 -m pip install –ignore-installed torchinfo
python3 -m pip install –ignore-installed https://github.com/quic/aimet/releases/download/1.25.0/AimetCommon-torch_gpu_1.25.0-cp38-cp38-linux_x86_64.whl
python3 -m pip install –ignore-installed https://github.com/quic/aimet/releases/download/1.25.0/AimetTorch-torch_gpu_1.25.0-cp38-cp38-linux_x86_64.whl
python3 -m pip install –ignore-installed numpy==1.21.6
python3 -m pip install –ignore-installed psutil

1.3. Klon aimet-model-zoo

git klon https://github.com/quic/aimet-model-zoo.git
cd aimet-model-zoo
git checkout d09d2b0404d10f71a7640a87e9d5e5257b028802
eksport PYTHONPATH=${PYTHONPATH}:${PWD}

1.4. Muat turun Set14

wget https://uofi.box.com/shared/static/igsnfieh4lz68l926l8xbklwsnnk8we9.zip
unzip igsnfieh4lz68l926l8xbklwsnnk8we9.zip

1.5. Ubah suai baris 39 aimet-model-zoo/aimet_zoo_torch/quicksrnet/dataloader/utils.py

berubah
untuk img_path dalam glob.glob(os.path.join(test_images_dir, “*”)):
kepada
untuk img_path dalam glob.glob(os.path.join(test_images_dir, “*_HR.*”)):

1.6. Jalankan penilaian.

# dijalankan di bawah YOURPATH/aimet-model-run
# Untuk quicksrnet_small_2x_w8a8
python3 aimet_zoo_torch/quicksrnet/evaluators/quicksrnet_quanteval.py \
–model-config quicksrnet_small_2x_w8a8 \
–laluan set data ../Set14/image_SRF_4

# Untuk quicksrnet_small_4x_w8a8
python3 aimet_zoo_torch/quicksrnet/evaluators/quicksrnet_quanteval.py \
–model-config quicksrnet_small_4x_w8a8 \
–laluan set data ../Set14/image_SRF_4

# Untuk quicksrnet_medium_2x_w8a8
python3 aimet_zoo_torch/quicksrnet/evaluators/quicksrnet_quanteval.py \
–model-config quicksrnet_medium_2x_w8a8 \
–laluan set data ../Set14/image_SRF_4

# Untuk quicksrnet_medium_4x_w8a8
python3 aimet_zoo_torch/quicksrnet/evaluators/quicksrnet_quanteval.py \
–model-config quicksrnet_medium_4x_w8a8 \
–laluan set data ../Set14/image_SRF_4

andaikan anda akan mendapat nilai PSNR untuk model yang disimulasikan. Anda boleh menukar konfigurasi model untuk saiz yang berbeza dariQuickSRNet, pilihannya ialah underaimet-modelzoo/aimet_zoo_torch/quicksrnet/model/model_cards/.

2 Tambah Tampalan

2.1. Buka "Eksport ke ONNX Steps REVISED.docx"

2.2. Langkau git commit id

2.3. Kod Seksyen 1

Tambahkan keseluruhan 1. kod di bawah baris terakhir (selepas baris 366) aimet-model-zoo/aimet_zoo_torch/quicksrnet/model/models.py

2.4. Kod Seksyen 2 dan 3

Tambahkan keseluruhan 2, 3 kod di bawah baris 93 aimet-model-zoo/aimet_zoo_torch/quicksrnet/evaluators/quicksrnet_quanteval.py

2.5. Parameter Utama dalam Function load_model

model = load_model(MODEL_PATH_INT8,

MODEL_NAME,
MODEL_ARGS.get(MODEL_NAME).get(MODEL_CONFIG),
use_quant_sim_model=Benar,
encoding_path=ENCODING_PATH,
quantsim_config_path=CONFIG_PATH,
calibration_data=IMAGES_LR,
use_cuda=Benar,
before_quantization=Benar,
convert_to_dcr=Benar)

MODEL_PATH_INT8 = aimet_zoo_torch/quicksrnet/model/weights/quicksrnet_small_2x_w8a8/pre_opt_weights
MODEL_NAME = QuickSRNetSmall
MODEL_ARGS.get(MODEL_NAME).get(MODEL_CONFIG) = {'scaling_factor': 2}
ENCODING_PATH = aimet_zoo_torch/quicksrnet/model/weights/quicksrnet_small_2x_w8a8/adaround_encodings
CONFIG_PATH = aimet_zoo_torch/quicksrnet/model/weights/quicksrnet_small_2x_w8a8/aimet_config

Sila gantikan pembolehubah untuk saiz QuickSRNet yang berbeza

2.6 Pengubahsuaian Saiz Model

1. “input_shape” dalam aimet-model-zoo/aimet_zoo_torch/quicksrnet/model/model_cards/*.json
2. Di dalam fungsi load_model(…) dalam aimet-model-zoo/aimet_zoo_torch/quicksrnet/model/inference.py
3. Parameter dalam fungsi export_to_onnx(…, input_height, input_width) daripada "Eksport ke ONNX Steps REVISED.docx"

2.7 Jalankan Semula 1.6 sekali lagi untuk mengeksport model ONNX

3. Tukar dalam SNPE

3.1. Tukar

${SNPE_ROOT}/bin/x86_64-linux-clang/snpe-onnx-to-dlc \
–input_network model.onnx \
–quantization_overrides ./model.encodings

3.2. (Pilihan) Ekstrak DLC terkuantisasi sahaja

(pilihan) snpe-dlc-quant –input_dlc model.dlc –float_fallback –override_params

3.3. (PENTING) I/O ONNX adalah mengikut urutan NCHW; DLC yang ditukar adalah mengikut urutan NHWC

Dokumen / Sumber

Dokumentasi Kit Alat Kecekapan Qualcomm Aimet [pdf] Arahan quicksrnet_small_2x_w8a8, quicksrnet_small_4x_w8a8, quicksrnet_medium_2x_w8a8, quicksrnet_medium_4x_w8a8, Dokumentasi Kit Alat Kecekapan Aimet, Dokumentasi Kit Alat Kecekapan, Dokumentasi Kit Alat, Dokumen

Rujukan

• Manual Pengguna