-
Notifications
You must be signed in to change notification settings - Fork 1.7k
releases
jxt1234 edited this page Aug 21, 2023
·
3 revisions
- 新增int8量化算子支持:
- Softmax
- Interp
- Binary
- Unary
- Scale
- OpenCL 支持 Loop 算子特定情形;
- BatchMatMul
- Gather
- x86_64支持Gelu-bf16;
- CUDA支持bf16模型推理;
- benchmark 工具支持直接测试模型量化后的性能(不需要先用量化工具量化模型)
- Pymnn Tensor/Var使用Tuple创建时支持混合类型数据;
- 权值量化模型支持低内存推理模式,计算时反量化;
- 支持ChatGLM-6B模型推理内存占用3G;
- 支持构建了ChatGLM-MNN Android app;
-
OpenCL支持高通reocrd queue ,以降低创建 GPU Command Buffer 所需的时间; Oneplus 9 机型 Benchmark 测试结果如下
Model unrecord record resnet-v2-50.mnn 21.254 20.160 MobileNetV2_224.mnn 4.853 4.186 mobilenet-v1-1.0.mnn 6.424 5.315 nasnet.mnn 46.751 20.260 SqueezeNetV1.0.mnn 7.35 6.832 squeezenetv1.1.mnn 3.936 3.693 mobilenetV3.mnn 14.201 6.743 inception-v3.mnn 33.111 32.032 -
稀疏卷积内存优化,降低内存占用;
-
减少异构(CPU低精度/GPU)运行 MNN 模型时的常量内存占用;
-
CUDA优化int8算子性能;
-
减少Permute几何计算产生的region数量;
-
重新调整ConvolutionInt8及im2col在AVX512-VNNI下的分块大小,提升性能20%-30%;
-
X86新增bilinear/nearest sample的SIMD实现,提升ImageProcess性能 50% 左右;
- 关联 Github Issue 解决
- 修复CUDA Raster错误导致输出为0的问题;issue-2333
- 修复OpenCL Gather算子出错的问题;issue-2424
- 修复ImageProcess出错的问题;issue-2386
- OpenCL支持用户选择device id; issue-2343
- 其他 Bugfix
- CUDA CMakeList对未支持架构增加报错信息;
- testMNNFromOnnx脚本在模型测试正确时不启用DEBUG模式;
- load_module_from_file中的shape_mutable默认改为True(存在子图的模型无法在False情形下运行);
- MNNConvert使用keepInputFormat选项时,也同时将输出Tensor的format转换为原始格式
- 修复log记录时设备为空时Crash的情况;
- 修复BinaryOp单元测试在Windows下无法编译的问题;
- 修复MNN_SUPPORT_DEPRECATED_OP宏不控制OptimizedComputer的问题;
- 修复fp16多线程且分块方向为channel时convolution计算出错的问题;
- 修复deconvolutionInt8访存越界的问题;
- 修复TensorArrayWrite几何计算产生zero region的问题;
- 修复CUDA depthwise conv出错的问题;
- 修复一些文档格式、内容的错误;
- 修复多线程下createRuntime和setGlobalConfig出错的问题;
- 修复Vec.hpp中无用代码导致的编译失败问题;
- 修复OpenCL对gpuDevice的assert失败的问题;
- 修复OpenCL bianry mod出错的问题;
- 修复CUDA argmax出错的问题;
- 修复pymnn/example/mnn_numpy_cv_demo.py中形状不对的问题;
- MNN OpenCV新增算子:
- erode
- convertMaps
- remap
- adaptiveThreshold
- bilateralFilter
- solve (MNN numpy新增solve)
- normalize
- split
- merge
- addWeight
- 支持Tflite int8量化模型转换到MNN模型;
- ARM CPU支持GELU-bf16
- CUDA 新增算子:
- GridSampler
- Multi-Input Convolution
- Multi-Input Deconvolution
- CUDA针对多卡推理,支持用户设置运行device_id
- 支持Deconvolution-int8
- runSession/runSessionWithCallBack函数加锁,避免多线程调用出错
- 支持非拓扑序ONNX模型转换
- 支持ONNX多版本Softmax转换
- 优化内存分配与回收时机,新增Session
- 简化ONNX Slice算子模型转换
- Cuda性能优化
- Argmax针对dim size较大的情况性能优化
- Softmax在channel较大时性能优化
- MatMul算子预重排逻辑优化
- 优化后ChatGLM模型在A10显卡上性能优于Pytorch 2.0
- OpenCL优化,resnet测试优于OpenVINO
- 使用intel subgroup扩展优化winogard算子,调整数据排布格式与准入条件
- 根据输入尺寸调整conv2d算子的数据排布格式,使用intel subgroup扩展优化
- 优化后ResNet18模型在intel UHD Graphics 630显卡上性能优于OpenVINO
- GELU-bf16实现后性能提升
- 关联 Github Issue 解决
- 修复CPURaster 的 singleConvert 部分情况出错 issue-2264
- 修复atan2计算错误的问题
- 修复ONNX dynamic shape转换出错的问题 issue-2276
- 修复i8mm时Im2col出错的问题
- 修复CPUConvolutionDepthwise错误的问题 issue-2291
- 修复CUDA int8编译失败的问题 issue-2321
- 修复Onnx Loop 算子的 M 和 cond 为optional 时,转换失败的问题 issue-2267
- 修复Raster中fastblit 中turnPackRegion 部分情况下出错的问题 issue-2337
- 其他 Bugfix
- 修复 onnx 子图中 identity 被优化导致 输出数和原始子图不一致的问题
- 修复 Onnx sequense 相关算子转换问题
- 修复 TensorArrayConcat 计算 newAxis = 1 时的问题(此时为 stack)
- 修复 TensorArray 计算 eleSize 时,axis < 0 时计算出错的问题
- 修复低精度计算或者 GPU 无法运行 mnn 训练模型的问题
- NNAPI 支持int8 量化模型;
- MNN OpenCL/Metal支持算子在线Fuse与代码生成;
- 支持使用cibuildwheel构建Python Wheel包;
- Github Action支持自动化构建多端库与Whl包;
- (测试中)CUDA后端支持量化模型运行
- CUDA优化Softmax/DepthwiseConv算子
- 优化 KernelSize = 3x3 的 OpenCL 卷积算子性能
- 优化了MaxPool/AvgPool的int8量化计算;
- 移除原来的LLVMJit, C等Codegen后端;
- 更新MNN.podspec, MNNBridge.podspec;
- 增加GELU模块Fuse为GELU算子的功能,Vulkan 和 OpenCL 后端支持 GELU 算子
- NetModule析构函数中增加gc函降低内存占用;
- OpenCL支持设置推理低优先级配置;
- OpenCL updateCache支持异步,降低阻塞时间;
- fastTestOnnx.py / fastTestTf.py / fastTestTflite.py / fastTestTorch.py 分别更名为 testMNNFromOnnx.py / testMNNFromTf.py / testMNNFromTflite.py / testMNNFromTorch.py
- Android Demo新增使用README文档;
- 修复Android Demo运行Crash的问题;
- 修复Metal中的onSync的Bug;
- 修复Metal多段模型推理的Bug;
- 修复在Windows下MNN Train的编译问题;
- 修复perm值非法时的Crash问题;
- 修复Pad的输入参数为负数时(此时等效为Crop),计算出错的问题
- 修正 Relu Int8 不支持非对称量化的问题
- 修正部分AVX2架构的机器上运行量化模型crash的问题
- 修正Module API 运行静态模型crash的问题
- 修正Winograd量化过程未使用相同变换矩阵的问题
- 修正Winograd量化计算多Batch输入错误的问题
- 修正 OpenCL Relu 算子在 AMD GPU 上段错误的问题
- 修正 OpenCL ROIPooling 算子实现错误
- CUDA 后端支持高精度模型(设置 precision = high 时使用 FP32 计算) 和 SM60 架构
- MNN-Train 求导优化
- MNN-Express 支持 CONTENT 模式,该模式下基于几何计算分解算子后再构图,以降低需要实现求导的算子数
- 支持 Raster / Loop 算子部分情况下的求导
- 支持 GridSampler 的求导
- OpenCL 后端支持低优先级运行模式(设置 power = low)
- (实险中特性)Vulkan 后端增加基于Buffer内存布局的算子实现,目前基于编译宏决定用 Image内存布局还是 Buffer内存布局(MNN_VULKAN_IMAGE ,默认为 ON)
- (实验中特性)支持分离模型结构与权重的选项
- 模型转换为 {S}.mnn 时,添加参数 --saveExternalData ,模型权重将单独保存为二进制文件 {S}.mnn.weight
- 模型加载运行时,通过以下方式指定权重文件路径:
- Session API: Interpreter::setExternalFile
- Module API: Executor::RuntimeManager::setExternalFile
- 修改嵌入式上常用的 SeqLength = 1 的 ONNX LSTM 算子的模型转换实现,改为用卷积+非线性层拼接实现,以提升性能
- 修正部分情况下 Convolution Winograd CPU 相较之前版本变慢的问题
- 优化 VARP 的 fix 函数,避免拷贝内存
- 对 Raster 算子的输入进行了改造,由 region 隐式输入修改为正常的多输入单输出
- 量化计算实现中的量化/反量化过程重构为在线插入相应算子,并修正 prearrange 为 true 时,Module API 计算量化模型的结果错误问题
- 移除 ComputeUnit / ComputeCache ,Executor 内部的计算改为使用 Session ,并延迟内存分配时机,修正模型转换过程中部分情况下占用内存过大的问题
- 优化模型转换静态模型的导出,移除了图中无效算子
- 修正 convolution transpose 3d 在 pad 为空时计算 crash 问题
- 修正 cumsum 计算 int 输入的 bug
- 修正 Onnx GatherND 算子转换不支持 batch_dims 的问题
- 修正 Onnx Split 算子转换的默认值问题
- 修正 Onnx permute 算子转换不支持 axis 为空的问题
- MNN新增对
ARMv8.6-A
指令支持,支持了smmla
和bfmmla
指令 - MNN新增汇编预处理脚本,能够将汇编指令转换为
.inst
指令,降低新指令对编译器的依赖 - 新增A16和M2 CPU family支持
- 新增Interp3D支持
- MNN新增
NNAPI
后端,能够利用Android设备上的NPU/APU/DSP进行计算;支持float32
与float16
数据类型的模型推理。目前支持的算子如下:- Conv2d, DepthwiseConv2d
- MaxPool2d, AvgPool2d
- Binary/Elementwise: Add, Sub, Mul, Div
- Unary: Abs, Exp, Sqrt, Rsqrt, Log, Sin, Tanh, Floor, Neg, Hardswish
- Activation: Softmax, Relu, Relu6, Prelu, Sigmoid, Elu
- Reduction: Sum, Mean, Max, Min, Prod, All, Any
- Argmax, Argmin
- Resize: Nearstneighbor, Bilinear
- Reshape, Transpose, Tile, Pad, Slice, DepthToSpace, Concat, Gether
- Scale/BatchNorm
- 新增ARMv8.6指令支持后,GemmInt8, GemmBF16性能提升
-
smmla
实现的GemmInt8
实测性能在矩阵规模为[1024, 1024, 1024]
时,性能相比sdot
提升为88.47%(s图中33x33
项),接近理论性能(100%);模型性能提升20%左右。 -
bfmmla
实现的GemmBF16
实测性能在规模为[1024, 1024, 1024]
时,性能相比fp16fmla
提升为91.53%(图中1024,1024,1024
项),接近理论性能;模型性能相比原来的bf16提升一倍以上。
-
- 在执行Mobilenetv1时,NNAPI使用accelerator设备进行推理,在中端和高端设备上相比CPU单线程均有性能优势;在高端设备上相比CPU 4线程仍有性能优势;在其他类模型对比时,除卷积外其他算子较少的模型NNAPI均有优势,包含其他算子的模型会出现性能不如MNN-CPU的情况;在使用
float16
推理时,NNAPI平均性能相比MNN-CPU慢。 - CUDA性能优化,Depthwise卷积、Raster快速计算、Im2Col等优化,MobileNet/Squeezenet等模型性能提升
- 新增BinaryRelu-Fuse和对应的各后端实现,resnet模型性能提升
- 进行了部分代码重构(包括但不限于)
- 对于包含多个SubModule的复杂模型, 复用子模型间共性tensor,重新构建计算图和指令队列,显著降低大内存操作的耗时
- 修复了如下 Bug(包括但不限于)
- Onnx Resize 在指定 scale 且输入输出无法整除时,计算错误
- 修复在不支持SSE 4.1的设备上打开SSE执行Crash的问题
- 修复多输入Conv转换错误
- 修复ARM82后端GridSampler在Linux上的编译错误
- 修复Conv1dSqueezeMove在Squeeze双输入时计算出错的问题
- 修复输入为NC4HW4时,stride计算错误的问题
- 修复HIAI后端编译错误,Binary BUG
- MNN-CV增加
solvepnp / svd
等函数实现 - MNN-Train补充
Unary/Binary/Reduction
的求导实现 - MNN-Express支持
Eager模式
,该模式下不保存计算图,直接计算结果,可通过Executor的lazyEval
配置- 在C++中默认使用
Lazy模式
- 在Python中默认使用
Eager模式
- 在C++中默认使用
- 新增基于
Markdown+Sphinx
的文档
- 服务端推理 CUDA 性能提升
- 基于 cutlass 重新实现了矩阵乘,对卷积应用 Winograd算法优化
- MNN-CoreML后端支持输出zero-copy
支持 Winograd Int8对kernel_size > 1
的量化卷积进行优化 ,离线量化工具(C++: quantized.out,python: mnnquant)json配置文件中增加"winogradOpt": true
,并将特征量化方法设置为"feature_quantize_method":"EMA"
即可使用
- 进行了部分代码重构(包括但不限于)
- MNN Metal 改为在线生成 Shader 编译,避免集成 MNN.metallib 的兼容性问题
- 移除 CPU / Geometry / Arm82 部分冗余代码
- 默认移除原先 TFlite - Uint8 的算子支持,但可以通过 MNN_SUPPORT_DEPRECATED_OP 宏打开
- 移除 linux 系统下编译 Torchscript 所需要的 libTorch 库,改为编译时从网络下载
- ScatterND 改为基于 Loop 算子实现
- 修复了如下 Bug(包括但不限于)
- CPU - AVX512 int8 在转换 NC4HW4 格式时内存访问越界
- GeometryBinary 处理 NC4HW4 输入,两边Channel上对齐大小相同,但Channel不同时计算出错
- Arm82 Interp 算子多 Batch 情况下计算出错问题
- Windows 上 json2MNN 工具写入结果有误
- Onnx GatherElement 算子在输入大小不确定时转换失败
- 修复Python中Module,RuntimeManager内存泄露问题
- 修复控制流模型转换时输出算子Name不匹配的问题
- 修正 ROIPooling / ROIAlign 低精度计算 crash 的问题
- 模型推理通用性增加:Torchsciprts OP 添加,Onnx OP 补齐
- Onnx 算子数由 117 增加到 158
- Torchscripts 算子数由 34 增加到 163
- MNNConvert功能扩充
- 支持模型转换正确性验证
- 支持MNN模型与Json文件互转,方便查看与编辑模型结构
- MNN增加统一版本号机制
- 编译期版本宏定义
- 运行时版本号函数
- 模型中增加版本信息
- 增加 MNN-CV / MNN-Numpy 功能
- C++中提供了与OpenCV中图像编解码,图像处理用法相似的API;
- Python中提供了与cv2/numpy基础功能用法相似的函数;
- 支持的cv函数57个,numpy函数170个,函数列表;
- 服务/PC端推理CPU/GPU性能大幅提升
- CPU部分AVX512优化,多线程优化提速;
- GPU部分CUDA移除cudnn,基于TensorCore重写;
- 新增mnncompress模型压缩工具
- 支持基于TensorFlow 1.X和Pytorch的模型压缩,具体使用方法见文档
- 添加压缩模型的模型转换,及相关算法的MNN底层推理支持
- 测试/Demo/Benchmark完善
- 修正 Android Demo 的 编译Bug;
- 增加一个使用 mnn framework 的 ios demo工程;
- Pymnn新增离线量化Demo与测试;
- Pymnn新增训练相关测试;
- Pymnn中新增MNN.numpy与numpy对比的benchmark;
- 新增MNN.cv与OpenCV对比的benchmark;
- Bugfix(包括但不限于)
- Pymnn修复训练相关API使用Bug;
- 修复arm64汇编中的sp计算Bug;
- GatherND 精度数目问题修复;
- ZeroShape 支持完善;
- NDK24 下 armv7a-arm82 编译错误修正;
- benchmark metal crash修复;
- benchmark metal crash;
- Module 的 RuntimeManager 设置 precision = low 无效的问题修复;
- CoreML Pooling CAFFE-PAD,Deconv修复;
- CoreML多次执行内存占用过高问题修复;
- 新增Torchscript模型格式支持
- 我们注意到,大量的机器学习工程师在从TensorFlow往PyTorch迁移。推理引擎对于PyTorch模型的原生支持尤为重要。虽然MNN已经支持了ONNX格式的模型,但是考虑到PyTorch自身长期的发展趋势,基于Torchscript格式的模型比ONNX更具通用性。现在,MNNConvert支持在Mac、Windows、Linux平台下将所有的TorchVision视觉模型 转换到MNN格式。
- 新增ARM BF16后端
- BF16 可以给中低端手机和高端机的小核带来性能收益,并且降低内存占用。经MNN团队内部测试,BF16相对于FP32在不同机型的中低端核心(A53 A55 A53kyro A55kyro)上,不同模型有 5%-30%的优化,性能如下:
- BF16使用方法:
- 编译MNN时,指定
-DMNN_SUPPORT_BF16=ON
- BackendConfig中指定
PrecisionMode=Precision_Low_BF16
- 编译MNN时,指定
- 新增CoreML后端
- 基于几何计算,MNN添加了CoreML的支持。在iPhone X之后,借助于Apple Neural Engine,相比于CPU,CoreML(ANE)在视觉模型中约有5-6倍的性能提升。
- 几何计算的演进
- 在1.1.0版本的几何计算的基础上,本次发布中『几何计算』增加了对于循环算子(如Gather、BatchMatMul、LSTM)的GPU后端支持。
- ARM 后端
- 支持ARMv8.2指令的设备占有率随着时间的推移逐渐上升,是MNN优化的重点之一。相比于MNN 1.1.x版本,MNN 1.2.0的ARMv8.2性能在各类视觉模型中有5% ~ 20%的提升,且与业界主流引擎对比处于领先地位。
- X86 后端
- MNN集中优化了X86-AVX2上的性能。目前在主流的视觉、时序模型中,MNN-AVX2后端相比于OpenVINO由20%到440%的性能优势,与ONNXRuntime相比,则有18%到60%的性能优势 (仅MobileNet V2略逊于OpenVINO/ONNXRuntime)。取得如此性能成绩,且通用性持平或更胜一筹的前提下,相比于 Onnx / OpenVino 几十至几百M 的大小,MNN 库的体积却很小,仅 3M 不到。 此外,MNN 支持了 AVX512 / AVX512VNNI,相对于 AVX2 ,在浮点矩阵乘法有 60% 加速,Int8矩阵乘则有 200% 的加速。
- OpenCL后端
- 随着移动App中的部署的各类深度学习模型数量增多,MNN团队发现,CPU占用率居高不下,会影响App稳定性和用户体验。基于此判断,我们重点优化OpenCL后端的性能(与主流引擎相比已处于领先地位),并且与内部业务方共同设计面向GPU模型,达到性能、精度双高的模型。性能数据如下图:
- ARM 浮点稀疏算子实现
- 随着CPU性能优化的边际收益的降低,为了获得更高的性能,需要从模型结构本身着手,设计、裁剪出合适目标硬件和推理引擎的模型结构,以获得最佳的精度和性能。基于此,MNN添加了随机稀疏和半结构化稀疏算子的ARM浮点实现 (原理见 ” Fast Conv Nets ” ),如下图所示:
- 经过MNN内部在各类机型和模型实测,随机稀疏率, 1x4半结构稀疏率 (沿输出通道OC分块,blockOC=4) 分别为0.6、 0.3时,推理性能将大于稠密实现性能。随机稀疏率0.9时,MobileNet、NasNet、SqueezeNet各类模型中,在高、中、低端手机上的加速比为1.7倍 ~ 4.5倍;1x4半结构稀疏率0.9时,加速比为1.8倍 ~ 6.1倍。
- 离线量化精度提升
- 离线量化工具中添加了激活非对称的支持,并且通过量化时更新BN参数,离线量化精度获得普遍提升。结合使用非对称量化+BN参数更新,MobileNet V2量化模型精度从71.05%提高到71.73%,进一步逼近浮点模型(71.90%)。
- 功能
- 新建 MNN 表达式接口相关 demo,见pymnn/examples/MNNExpr/mobilenet_demo.py和demo/exec/{pictureRecognition_module.cpp, transformerDemo.cpp}
- 对离线量化工具进行了重构,减少 int8 / float 互转损耗,以 shufflenet 为例可减少 20% 耗时
- 完善模型校验工具 (tools/script/fastTest 系列)
- 增加 Onnx 所有与 MNN 相匹配的单目 / 双目算符支持
- 图优化
- 新增 Gelu / Hardswish 算子融合
- 增加 Layernorm 算子融合的范围
- 新增 MatMul + Bias 融合,增加其转换为卷积的范围
- 新增 Tensorflow / Tflite 的 Dilate Convolution 算子融合(SpaceToBatch + Conv + BatchToSpace)
- Bugfix(包括但不限于)
- 修正 StridedSlice 在 newAxis 和 begin << inputShape 情况下的实现错误
- 修正 Eltwise MAX 的求导错误
- 移除 MNNConvert 对 regex 的依赖(此问题导致在 gcc 4.8 环境下无法运行 Converter)
- 修正 CPU Raster 算子对 dimension = 1 的 NC4HW4 数据格式处理错误的问题
- 移除 MNN Python wheel 中意义不大的 mnnops (里面显示的 Op 列表不准确)
- 几何计算
- 几何计算是本次发布中大规模的框架重构。它将大部分算子的计算过程中与硬件后端无关部分(形状计算和几何计算)剥离出来,极大地降低了异构后端算子实现的成本。基于几何计算,MNN重写了目前所有的硬件后端。由于引入几何计算之后GPU后端算子的覆盖率的增加,在阿里巴巴内部的业务模型中,MNN GPU后端性能普遍获得约20%提升。
- 新增后端
- 基于几何计算机制,MNN新增了TensorRT和CUDA后端。目前已经支持常用CV模型与RNN模型。
- ASR模型支持
- 除了业务应用广泛的CV模型,MNN在这次发布中添加了对基于Transformer结构的ASR模型的支持。这类模型结构要求推理引擎支持Control Flow、Dynamic Shape和Zero Shape等特性。MNN在框架层面对这些特性进行了支持和完善:
- 重构Control Flow支持方案,提供用户透明的functional control flow实现,并支持TF1.x的控制流模型转换。
- 添加Dynamic Shape的支持,MNN将整图按照动态形状算子划分为多个分段子图。在代码层面,一个子图对应一个Module,Module支持嵌套,即整图被表达为一个由Module组成的调用树,树的叶子节点可以使用Session来执行,Session每次执行前Resize,重新进行形状推理和预分配内存。
- Zero Shape指的是模型中某些Tensor的shape存在0值,比如 (1, 0, 256),这种情况大多是为了给while-loop中某些循环变量提供初始值而引入的。MNN在对形状推理和执行逻辑上对Zero Shape进行了支持。
- 除了业务应用广泛的CV模型,MNN在这次发布中添加了对基于Transformer结构的ASR模型的支持。这类模型结构要求推理引擎支持Control Flow、Dynamic Shape和Zero Shape等特性。MNN在框架层面对这些特性进行了支持和完善:
- ARM 后端
- 在今年5月,MNN在ARM CPU上的性能已立于业界前列。在此之后,MNN持续投入ARM CPU性能优化,在各模型和芯片上又获得了10%~20%的性能提升。性能提升之路永无止境。
- X86 后端
- 5月以来,MNN团队持续投入x86后端的优化,目前浮点单线程性能与行业标杆OpenVINO基本持平,部分情况 (Squeezenet v1.0) 超越。x86.png
- OpenCL后端
- 开启AutoTuning等一系列优化后,MNN在1.0.0的基础上,普遍有20%~100%的性能提升。具体性能数据如下:
新添模型压缩的仅权值量化(MNNConvert --weightQuantBits)。此功能仅对conv/matmul/LSTM的float32权值进行量化,仅优化模型大小,加载模型后会解码为float32,量化位宽可选2~8,运行速度和float32模型一致。经内部测试8bit时精度基本无损,模型大小减小4倍。
- 易用性
- 由于OpenCL新增的AutoTuning机制、TensorRT后端初次推理的耗时较高,MNN在Interpreter上增加setCacheFile API,用于缓存GPU后端的编译优化之后的模型。
- Bugfix(包括但不限于)
- SpaceToBatchND , BatchToSpaceND 支持 block size / padding 作为输入(支持在输入shape 未知情况下的 Tensorflow 空洞卷积)
- 修正 depthToSpace 和 spaceToDepth ,支持 pixelshuffle
- 修正 1x1 卷积对于 batch 较大,width / height 较小时,性能不好的问题
- 修正 Onnx 的 ConvTranspose output padding 支持问题
- 修正 Onnx 的 Resize 在某些输入个数下不支持的问题
- 表达式接口提供训练与量化功能
- 新增C++的表达式接口(在
express
目录下) - 使用表达式接口动态构图
- 使用表达式接口训练,训练耗时如下:
- 使用表达式执行训练量化(QAT)
- 新增C++的表达式接口(在
- ARM 后端
- ARMv82使用
asimdhp
和asimddp
扩展提速接近100% - ARM64重新实现矩阵乘kernel,性能提升
- ARMv82使用
芯片/手机 | 优化前(ms) | 优化后(ms) |
---|---|---|
高通425/红米4A | 261.12 | 237.89 |
高通652/360N5 | 122.94 | 115.80 |
- X86 后端
- 使用FMA指令进行优化,单线程性能提升40~60%
模型(Mac单线程) | 优化前(ms) | 优化后(ms) |
---|---|---|
resnet18 | 81 | 48 |
mobilenetv1 | 37 | 26 |
使用MNN QAT与Tensorflow的对比如下表所示:
模型 | DataType | Accuracy | Model Size |
---|---|---|---|
Original Model | float32 | 72.324% | 13M |
MNN QAT Model | symm int8 | 72.456% | 3.5M |
Tensorflow QAT Model | symm int8 | 71.1% | 3.5M |
- 功能
- 新增
Python Expr API
- 新增