点击上方“计算机视觉工坊”，选择“星标”

干货第一时间送达

作者丨陈e

来源丨GiantPandaCV

编辑丨极市平台

导读

此文讨论如何在低端的移动设备上提高模型性能，文章针对模型(不改变模型原有op情况下，不需要重新训练）和后处理两部分的优化开展讲解，若有不当之处，望批评指出！

一、模型优化

此处的模型优化指的是我们常说的模型卷积层与bn层的融合或者conection，identity等结构重参化的操作，改想法来源于某天无意参与的一次讨论:

大佬的想法认为fuse是可以做的，但没那么必要，fuse(conv+bn)＝CB的作用在于其他，而对于提速的作用微乎及微，不过本人更加坚持自己的观点，因为yolov5的对比是基于高算力显卡，低端卡，甚至无GPU，NPU加持的设备是有明显的提速作用。

特别对于复用太多group conv或depthwise conv的模型，举个例子，shufflenetv2被当成是高效的移动端网络而被常常使用于端侧的backbone，我们看到单个shuffle block(stride＝2)的组件就使用了两个深度可分离卷积:

光是一整套网络就用了25组depthwise conv(原因在于shufflenet系列为低算力cpu设备设计，无可避免复用大量深度分离卷积）

于是本着这样的初衷，做了一套基于v5lite-s模型的实验，并将测试结果贴出供大家相互交流：

以上测试结果基于对shuffle block的所有卷积和bn层进行融合的结果，抽取coco val2017中的1000张图片进行测试，可以看到，在i5的核上，fuse后的模型在x86 cpu上单次向前的加速很明显。若是对于arm端cpu，效果会更加明显。

融合的脚本如下所示:

import torch
from thop import profile
from copy import deepcopy
from models.experimental import attempt_loaddef model_print(model, img_size):# Model information. img_size may be int or list, i.e. img_size=640 or img_size=[640, 320]n_p = sum(x.numel() for x in model.parameters())  # number parametersn_g = sum(x.numel() for x in model.parameters() if x.requires_grad)  # number gradientsstride = max(int(model.stride.max()), 32) if hasattr(model, 'stride') else 32img = torch.zeros((1, model.yaml.get('ch', 3), stride, stride), device=next(model.parameters()).device)  # inputflops = profile(deepcopy(model), inputs=(img,), verbose=False)[0] / 1E9 * 2  # stride GFLOPSimg_size = img_size if isinstance(img_size, list) else [img_size, img_size]  # expand if int/floatfs = ', %.6f GFLOPS' % (flops * img_size[0] / stride * img_size[1] / stride)  # imh x imw GFLOPSprint(f"Model Summary: {len(list(model.modules()))} layers, {n_p} parameters, {n_g} gradients{fs}")if __name__ == '__main__':load = 'weights/v5lite-e.pt'save = 'weights/repv5lite-e.pt'test_size = 320print(f'Done. Befrom weights:({load})')device = torch.device("cuda" if torch.cuda.is_available() else "cpu")model = attempt_load(load, map_location=device)  # load FP32 modeltorch.save(model, save)model_print(model, test_size)print(model)

融合op的核心代码如下:

if type(m) is Shuffle_Block:if hasattr(m, 'branch1'):re_branch1 = nn.Sequential(nn.Conv2d(m.branch1[0].in_channels, m.branch1[0].out_channels,kernel_size=m.branch1[0].kernel_size, stride=m.branch1[0].stride,padding=m.branch1[0].padding, groups=m.branch1[0].groups),nn.Conv2d(m.branch1[2].in_channels, m.branch1[2].out_channels,kernel_size=m.branch1[2].kernel_size, stride=m.branch1[2].stride,padding=m.branch1[2].padding, bias=False),nn.ReLU(inplace=True),)re_branch1[0] = fuse_conv_and_bn(m.branch1[0], m.branch1[1])re_branch1[1] = fuse_conv_and_bn(m.branch1[2], m.branch1[3])# pdb.set_trace()# print(m.branch1[0])m.branch1 = re_branch1if hasattr(m, 'branch2'):re_branch2 = nn.Sequential(nn.Conv2d(m.branch2[0].in_channels, m.branch2[0].out_channels,kernel_size=m.branch2[0].kernel_size, stride=m.branch2[0].stride,padding=m.branch2[0].padding, groups=m.branch2[0].groups),nn.ReLU(inplace=True),nn.Conv2d(m.branch2[3].in_channels, m.branch2[3].out_channels,kernel_size=m.branch2[3].kernel_size, stride=m.branch2[3].stride,padding=m.branch2[3].padding, bias=False),nn.Conv2d(m.branch2[5].in_channels, m.branch2[5].out_channels,kernel_size=m.branch2[5].kernel_size, stride=m.branch2[5].stride,padding=m.branch2[5].padding, groups=m.branch2[5].groups),nn.ReLU(inplace=True),)re_branch2[0] = fuse_conv_and_bn(m.branch2[0], m.branch2[1])re_branch2[2] = fuse_conv_and_bn(m.branch2[3], m.branch2[4])re_branch2[3] = fuse_conv_and_bn(m.branch2[5], m.branch2[6])# pdb.set_trace()m.branch2 = re_branch2# print(m.branch2)self.info()

下图未进行fuse的模型参数量，计算量，以及单个shuffle block的结构，可以看到未融合的shuffle block中的单个branch2分支就包含了8个子op.

而融合后的模型参数量减少了0.5万，计算量少了0.6万，主要还是来源于bn层，并且可以看到单个branch2分支中的op减少了三个，整套backbone网络算下来共减少了25个bn层

番外话

前言中提到的重参化操作之重要性更甚于op融合，引入前期发布的g模型：pogg：追求极致：Repvgg重参化对YOLO工业落地的实验和思考（https://zhuanlan.zhihu.com/p/410874403），由于g模型为高性能gpu涉及，backbone使用了repvgg，在训练时通过rbr_1x1和identity进行涨点，但推理时必须重参化为3×3卷积，才具有高性价比，最直观的，使用以下代码对每个repvgg block进行重参化和融合：

if type(m) is RepVGGBlock:if hasattr(m, 'rbr_1x1'):# print(m)kernel, bias = m.get_equivalent_kernel_bias()rbr_reparam = nn.Conv2d(in_channels=m.rbr_dense.conv.in_channels,out_channels=m.rbr_dense.conv.out_channels,kernel_size=m.rbr_dense.conv.kernel_size,stride=m.rbr_dense.conv.stride,padding=m.rbr_dense.conv.padding, dilation=m.rbr_dense.conv.dilation,groups=m.rbr_dense.conv.groups, bias=True)rbr_reparam.weight.data = kernelrbr_reparam.bias.data = biasfor para in self.parameters():para.detach_()m.rbr_dense = rbr_reparam# m.__delattr__('rbr_dense')m.__delattr__('rbr_1x1')if hasattr(self, 'rbr_identity'):m.__delattr__('rbr_identity')if hasattr(self, 'id_tensor'):m.__delattr__('id_tensor')m.deploy = Truem.forward = m.fusevggforward  # update forward# continue# print(m)if type(m) is Conv and hasattr(m, 'bn'):# print(m)m.conv = fuse_conv_and_bn(m.conv, m.bn)  # update convdelattr(m, 'bn')  # remove batchnormm.forward = m.fuseforward  # update forward"""需要重参化后才能进行fuse操作，否则会出现重参化失败的情况"""

下方结果可以直观看出模型层数、计算量和参数量都有明显变化：

二、后处理

2.1 反函数操作

后处理的优化也同样重要，而后处理优化的目的在于减少低效率循环或判断语句，避免大量使用昂贵算子等。

我们使用yolov5基于ncnn demo的代码进行测试和修改，但由于源码链接太多库，我们单抽general_poprosal函数，仿造general_poprosal函写一段使用sigmoid计算confidence再比对80类，计算bbox坐标的操作。

float sigmoid(float x)
{return static_cast<float>(1.f / (1.f + exp(-x)));
}vector<float> ram_cls_num(int num)
{std::vector<float> res;float a = 10.0, b = 100.0;srand(time(NULL));//设置随机数种子，使每次产生的随机序列不同cout<<"number class:"<<endl;for (int i = 1; i <= num; i++){float number = rand() % (N + 1) / (float)(N + 1);res.push_back(number);cout<<number<<' ';}cout<<endl;return res;
}int sig()
{int num_anchors = 3;int num_grid_y = 224;int num_grid_x = 224;float prob_threshold = 0.6;std::vector<float> num_class = ram_cls_num(80);clock_t start, ends;start = clock();for (int q = 0; q < num_anchors; q++){for (int i = 0; i < num_grid_y; i++){for (int j = 0; j < num_grid_x; j++){float tmp = i * num_grid_x + j;float box_score = rand() % (N + 1) / (float)(N + 1);// find class index with max class scoreint class_index = 0;float class_score = 0;for (int k = 0; k < num_class.size(); k++){float score = num_class[k];if (score > class_score){class_index = k;class_score = score;}}float prob_threshold = 0.6;float confidence = sigmoid(box_score) * sigmoid(class_score);if (confidence >= prob_threshold){float dx = sigmoid(1);float dy = sigmoid(2);float dw = sigmoid(3);float dh = sigmoid(4);}}}}ends = clock() - start;cout << "sigmoid function cost time:" << ends << "ms" <<endl;return 0;
}

此处耗时:

number class:
0.65 0.08 0.62 0.33 0.79 0.7 0.44 0 0.96 0.75 0.92 0.66 0.54 0.23 0.14 0.75 0.94 0.88 0.76 0.81 0.28 0.37 0.34 0.19 0.46 0.93 0.79 0.86 0.64 0.55 0.84 0.91 0.33 0.53 0.71 0.53 0.69 0.63 0.67 0.35 0.24 0.97 0.94 0.91 0.66 0.63 0.14 0.4 0.28 0.24 0.29 0.2 0.58 0.65 0.51 0.79 0.49 0.47 0.94 0.84 0.38 0.84 0.88 0.61 0.99 0.17 0.02 0.02 0.42 0.96 0.48 0.6 0.08 0.33 0.84 0.04 0.8 0.22 0.16 0.57
sigmoid function cost time:68ms

修改一下函数，先使用sigmoid的反函数unsigmoid计算prob_threshold，此时就不需要先遍历80个类寻找最高得分的类，也不会遇到切入第三个for循环后一定要进行两次sigmoid操作（计算confidence)的问题，只有当box_score > unsigmoid(prob_threshold)才会进行80类的max score查找，再计算bbox坐标，confidence等信息。

float unsigmoid(float x)
{return static_cast<float>(-1.0f * (float)log((1.0f / x) - 1.0f));
}int unsig()
{int num_anchors = 3;int num_grid_y = 224;int num_grid_x = 224;float prob_threshold = 0.6;std::vector<float> num_class = ram_cls_num(80);clock_t start, ends;start = clock();for (int q = 0; q < num_anchors; q++){for (int i = 0; i < num_grid_y; i++){for (int j = 0; j < num_grid_x; j++){float tmp = i * num_grid_x + j;float box_score = rand() % (N + 1) / (float)(N + 1);// find class index with max class scoreif (box_score > unsigmoid(prob_threshold))// 此处先用sigmoid的反函数绕过两次sigmoid，同时将前面的80类对比放至判断后面，不符合条件则不进行{int class_index = 0;float class_score = 0;for (int k = 0; k < num_class.size(); k++){float score = num_class[k];if (score > class_score){class_index = k;class_score = score;}}float confidence = sigmoid(box_score) * sigmoid(class_score);if (confidence >= prob_threshold){float dx = sigmoid(1);float dy = sigmoid(2);float dw = sigmoid(3);float dh = sigmoid(4);}}}}}ends = clock() - start;cout << "unsigmoid function cost time:" << ends << "ms" <<endl;return 0;
}

结果如下:

number class:
0.65 0.08 0.62 0.33 0.79 0.7 0.44 0 0.96 0.75 0.92 0.66 0.54 0.23 0.14 0.75 0.94 0.88 0.76 0.81 0.28 0.37 0.34 0.19 0.46 0.93 0.79 0.86 0.64 0.55 0.84 0.91 0.33 0.53 0.71 0.53 0.69 0.63 0.67 0.35 0.24 0.97 0.94 0.91 0.66 0.63 0.14 0.4 0.28 0.24 0.29 0.2 0.58 0.65 0.51 0.79 0.49 0.47 0.94 0.84 0.38 0.84 0.88 0.61 0.99 0.17 0.02 0.02 0.42 0.96 0.48 0.6 0.08 0.33 0.84 0.04 0.8 0.22 0.16 0.57
unsigmoid function cost time:77ms

貌似姿势不对，我们调高prob_threshold＝0.6，得到新的结果:

sigmoid function cost time:69ms
unsigmoid function cost time:47ms

此时可以看到收益，不断调高阈值，unsigmoid函数耗时越短，但取而代之的是目标都被过高的阈值卡断，函数后半部分无法进行。从而可以看出，使用反函数计算可以绕过两次sigmoid的指数操作(计算confidense)，但是否使用此种方法还是需要根据实际业务分析，倘若目标的box_score都偏低，那么这种优化只会变成负优化。

2.2 omp多并行

倘若后处理存在大量for循环，且循环不存在数据依赖和函数依赖关系，可以考虑使用openml库进行多线程并行加速，比如查找80类中score最高的类：

#pragma omp parallel for num_threads(ncnn::get_big_cpu_count())
for (int k = 0; k < num_class; k++) {float score = featptr[5 + k];if (score > class_score) {class_index = k;class_score = score;}
}

或者多线程计算每个目标的位置信息：

#pragma omp parallel for num_threads(ncnn::get_big_cpu_count())for (int i = 0; i < count; i++) {objects[i] = proposals[picked[i]];// adjust offset to original unpaddedfloat x0 = (objects[i].rect.x) / scale;float y0 = (objects[i].rect.y) / scale;float x1 = (objects[i].rect.x + objects[i].rect.width) / scale;float y1 = (objects[i].rect.y + objects[i].rect.height) / scale;// clipx0 = std::max(std::min(x0, (float) (img_w - 1)), 0.f);y0 = std::max(std::min(y0, (float) (img_h - 1)), 0.f);x1 = std::max(std::min(x1, (float) (img_w - 1)), 0.f);y1 = std::max(std::min(y1, (float) (img_h - 1)), 0.f);objects[i].rect.x = x0;objects[i].rect.y = y0;objects[i].rect.width = x1 - x0;objects[i].rect.height = y1 - y0;}

但ncnn的底层源码就已经实现了并行计算，因此无加速作用，但可记作一种方法供以后使用。

经过以上修改后的模型检测效果如下：

xiaomi 10+CPU（Snapdragon 865）：

redmi K30+CPU（Snapdragon 730G）：

代码链接：https://github.com/ppogg/ncnn-android-v5lite

Welcome star and fork~

本文仅做学术分享，如有侵权，请联系删文。

重磅！计算机视觉工坊-学习交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~