Qualcomm AI Hub-Profiling介绍

文章介绍

        Qualcomm® AI Hub能够帮助开发者能够快速的针对AI模型进行验证，优化以及部署到设备端。通过Qualcomm AI Hub上的Profile任务能够收集到在AI模型再不同的物理设备上运行所需的资源，基于这些关键指标，可以判断出目标的机器是否能够提供AI模型运行需要资源，目前机器的推理时间是否能够达标。本文主要介绍Qualcomm AI Hub的Profile任务收集的关键指标，以及这些指标的意义。

概述

Profile的任务主要收集目标模型四个不同时间段所需要的资源。

1. 模型编译时Compilation –  模型在物理设备上编译时候所需要的相关资源。
2. 模型第一次加载时（First App Load ），操作系统可能会进一步运行时优化，这些优化针对执行模型推理的硬件平台。例如，Qualcomm® Hexagon™ Processor的神经网络处理器（NPU），模型第一次加载时候会对模型做预处理和缓存，为下来的模型推理准备。
3. 模型后续加载时（Subsequent App Load） ，从第二次以及后续模型加载，利用之前缓存优化过的模型，可以减少硬件开销。
4. 模型推理时Inference – 模型加载完成后，Hub执行推理。Profiling 任务准备随机数据，并在一个紧密的循环中多次执行模型推理。

如下图所示，这个Yolov8在Snapdragon® 8 Gen 2 | SM8550上Profiling的结果

如上图所示，每一个阶段的Profiling有两个关键的指标Time和Memory 下来阐述下这两个指标的意义。

Time 耗时

1. First App Load-Time 模型首次加载完成后的时间
2. Subsequent App Load 模型多次迭代加载过程所需的时间，成本仅包括对推理框架的调用成本和少量开销
3. Inference-Time   推理时间是纯推理耗时。每个只生成一次输入，并在多次迭代中重复使用。Hub记录观察到的最短时间

Memory 内存

      有很多方法可以描述应用程序的内存使用情况。然而，大多数开发人员从操作系统的角度解读他们的应用程序的内存时候。这决定了应用程序是被kill掉还是被要求回收内存。Hub提供的是内存使用区间而不是单个数字，为什么我们认为提供内存区间比单个数字更有指标的意义呢？

     参考我们的文档How it works — qai-hub documentation 里面阐述了虚拟内存基本工作原理，这也是为什么我们认为统计内存使用范围更有意义

Peak vs Increase

      用于完成任务的内存通常会超过结果的大小。考虑一个场景，我们正在编译一个模型；假设编译器中没有内存泄漏，将设备上的模型转换为已编译的模型将需要一定的内存，从而在磁盘上留下工件，而在内存中没有对象。如果编译器占用了40 MB，我们可以说它的峰值（Peak）使用量是40 MB，但内存使用量的稳态增长（Increase）是0字节。

 表1：大型CNN模型的内存指标。

所以在Profiling结果中，我们展示了峰值范围，它突出了您的模型对内存压力的最重要贡献，内存压力可能会导致操作系统终止您的应用程序。我们的AI-Hub 的Python客户端库中提供了这些和所有其他度量。完整的内存和时序度量如表2所示。

      表2：ProfileJob.download_profile的结果execution_summary中返回的度量。

 作者：高通工程师，戴忠忠（Zhongzhong Dai）