概述

PTA性能调优参考指导：链接

性能问题背景

模型从GPU设备迁移到昇腾设备上进行推理时，模型的开箱性能差。

推理e2e耗时

infer_e2e_time = 数据加载时间 + 模型前向时间 + 模型后处理时间 + 通信时间 + 调度时间

• 数据加载时间：模型在加载自身所需要的数据（如图片、视频和文本等）的时间，包括将数据从硬件存储设备读取到CPU（Central Processing Unit）中、CPU中数据的预处理（编解码等操作）、CPU数据放到Device上的时间。对于一些需要切分在若干张卡上的模型，数据加载还包括从数据加载卡广播到其他卡上的时间。
• 模型前反向时间：深度学习模型Forward所需的时间。
• 模型后处理时间：包括数据的后处理、数据同步等。
• 通信时间：单节点时卡之间和多节点时节点之间的通信时间。由于PyTorch的特殊机制，在通信和计算可以并行的情况下，表示未被计算掩盖的通信时间。
• 调度时间：模型从CPU的指令到调用NPU侧的核（Kernel）所需要的时间。

性能优化目标

• 计算：算子性能优化、融合算子、AICPU转AICore等
• 通信：通信占比是否合理
• 调度：free占比尽可能小、计算掩盖调度时间等

性能分析

性能调优流程：性能数据采集-》算子层优化-》调度策略调整-》通信机制-》模型编译下发等

性能数据采集

• 方式1：使用ais_bench采集profiling

  python -m ais_bench --model ./resnet50_bs1.om --output `pwd`/performance_test --profiler 1
  

  

• 方式2：使用msprof工具采集

  msprof --output=./msprof_out --application="python3 om_infer.py"
  

  

性能数据文件分析

各性能文件解析说明：链接

使用msprof-analyze工具分析性能数据

参考指导：链接

pip3 install msprof-analyze

msprof-analyze advisor all -d ./msprof_out/

使用MindStudio Insight可视化工具分析性能

参考指导：链接

优化方案

参考文档：性能优化

• 使用AOE自动调优
• 模型量化：量化可以模型压缩、减少计算量、缩短推理时延，但可能导致精度下降
• 使用AIPP：AIPP（Artificial Intelligence Pre-Processing）人工智能预处理，用于在 AI Core 上完成数据预处理，包括改变图像尺寸、色域转换（转换图像格式）、减均值 / 乘系数（改变图像像素），数据预处理之后再进行真正的模型推理

• AICPU转AICORE

• 分析是否可以使用融合算子

• 消除算子

• 简化计算逻辑

• 自定义算子