Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Ähnlich wie TensorFlow Liteを使った組み込みディープラーニング開発
Ähnlich wie TensorFlow Liteを使った組み込みディープラーニング開発 (20)
TensorFlow Liteを使った組み込みディープラーニング開発
- 1. TensorFlow Lite #2020/02/29 Pycon mini Shizuoka 「あなたの知らないPython」
- 3. ● ○ ● ● 3
- 5. ● 5
- 6. ● 計算資源 ● ストレージ ● サービス ● etc... ● 計算資源 ● ストレージ ● サービス ● etc... ネットワーク （インターネット） ネットワーク （インターネット） 端末 端末 6
- 8. ● モデル出力 （特徴量） ● 端末さえあれば使える ● モデルの運用やアップデートが難しい ● モデルが盗まれそう ● ネットワークがないと使えない ● モデルの運用やアップデートは可能 ● モデルも盗まれにくい？ 8
- 9. インストール方法： $ pip install tensorflow 最新バージョンはv2.1.0. とりあえず直ぐに試してみたい人は，Google Colabをおス スメします！ -> “Google Colab”で検索してGO！ 9
- 10. ● ● ● 10
- 11. ● ● ● ● ● ● ● 11
- 13. ● ● ○ ○ ○ ○ 13
- 14. ● from tensorflow.lite import TFLiteConverter #SavedModelからの変換 converter = TFLiteConverter.from_saved_model(model_dir) tflite_model = converter.convert() #KerasModelからの変換 converter = TFLiteConverter.from_keras_model(model) tflite_model = converter.convert() 14
- 16. 詳しくは →https://www.tensorflow.org/lite/performance/post_training_quantization from tensorflow.lite import TFLiteConverter, Optimize #KerasModelからの変換 + Weight Quantization converter = TFLiteConverter.from_keras_model(model) converter.optimizations = [Optimize.OPTIMIZE_FOR_SIZE] #これ tflite_model = converter.convert() 16
- 17. 量子化なし Weight Quantization Full Integer Quantization mobilenet Size[MB] 17.0 4.1 4.5 Speed[ms] 285.7 555.5 263.2 mnist ※Dense２層 ※極小NN Size[MB] 0.4 0.1 0.1 Speed[ms] 0.83 0.12 0.14 モデル量子化によるモデルサイズと平均推論速度 17
- 18. 量子化なし Weight Quantization Full Integer Quantization mobilenet Size[MB] 17.0 4.1 4.5 Speed[ms] 285.7 555.5 263.2 mnist Size[MB] 0.4 0.1 0.1 Speed[ms] 0.83 0.12 0.14 モデル量子化によるモデルサイズと平均推論速度 ● モデルサイズ縮小に効果大 ● 推論速度はよくわからない ○ 実行環境のRAM容量による？ ○ モデルのアーキテクチャによる？ ● 【補足】Accuracyの低下はほぼ無かった 18
- 20. import tensorflow_model_optimization as tfmot params = { ‘pruning_schedule’: #ここでpruning_scheduleを定義 ...(略） } model = Sequential([ #モデル定義 ...(略)]) model = tfmot.sparsity.keras.prune_low_magnitude(model, **param) model.compile(..略..) callbacks = [ #コールバックに下記を追加 tfmot.sparsity.keras.UpdatePruningStep() ] model.fit(...（略）, callbacks=callbacks) 詳しくは→https://www.tensorflow.org/model_optimization 20
- 21. 枝切り なし 枝切り 50% 枝切り 80% キュウリ CNN File Size[MB] ＊ （圧縮率） 0.84 (100%) 0.64 (76.2%) 0.35 (41.2%) Accuracy[%] 82.2 82.0 76.6 Speed[ms] 41.7 40.0 48.7 枝切りによる圧縮ファイルサイズ，正答率，平均推論速度 ＊： weight quantization + zip圧縮したサイズ 通常のtfliteファイルサ イズは4.8MB 21
- 22. Device TFLite Runtime ● ● Mobilenet 学習済みモデル （Model Zoo） SSD-Mobilenet Posenet ︙ オリジナルモデル TFLiteConverter model.tflite Quantization 枝切り 蒸留 モデル構造の最適化 22
- 24. 24
- 25. SoC : STM32H743VI (CPU ARM Cortex M7 32bit 480MHz) (RAM 1MB , FlashROM 2MB) カメラ：OV7725 (max 640x480) SDカード：μSDスロットあり30GBまで 消費電力：110mA〜170mA@3.3V 特徴： オープンソースのファームウェア上でMicroPythonが動 く．pythonヒープ領域が230KBぐらいしか使えない・・・ SoC : Kendryte K210 (CPU RISC-V 64bit 400-800MHz) (RAM 8MB, FlashROM 16MB） (KPU ： CNNアクセラレータ) カメラ：OV2640/OV7740 SDカード：μSDスロットあり 消費電力：>600mA@5V？ 特徴： コスパかなり良い．RISC-Vだからか？ 畳み込みや活性化関数などのアルゴリズムがハード実装 されている．ただ，いろいろ制約あり． https://openmv.io/collections/cams/products/openmv- cam-h7 https://wiki.sipeed.com/en/maix/board/bit.html 25 一般的にカメラにはイメージセンサ制御のための マイコンが搭載されています． 今回は，そのマイコンの上でディープ・ラーニング の推論も動かしてしまおうという試みです．
- 26. ● ○ https://github.com/openmv/openmv/releases ● ○ https://openmv.io/pages/download USBでプログラム書き込み 26
- 30. ● 30
- 31. ● 31
- 32. ● ○ ■ src/stm32cubeai/nn_st.c ○ ■ src/omv/boards/OPENMV4/omv_boardconfig.h ■ 237K -> 230K ○ ■ 静的ライブラリ「libtf_person_detect_model_data.a」の参照箇所を削る 32
- 33. ● ○ ■ src/stm32cubeai/nn_st.c ○ ■ src/omv/boards/OPENMV4/omv_boardconfig.h ■ 237K -> 230K ○ ■ 静的ライブラリ「libtf_person_detect_model_data.a」の参照箇所を削る ○ ■ おそらくファームウェアで使ってる STマイコンのライブラリが古い？ ■ じゃあ，Weight量子化を・・・なぜかツールで Float32へ戻される ■ じゃあ，Float16量子化を・・・なぜかツールで Float32へ戻される ■ 結局，量子化なしで<200KBのモデルを作る羽目に・・・ 33
- 35. 35
- 36. ● import nn_st net = nn_st.loadnnst(‘network’) out = net.predict(img) 36
- 37. ● ● 37
- 38. ● ○ ○ https://github.com/sipeed/MaixPy ○ https://maixpy.sipeed.com/en/ ● ○ http://dl.sipeed.com/MAIX/MaixPy/ide/v0.2.4 ○ 38
- 41. ● ○ ○ ● ○ ○ ■ https://github.com/kendryte/nncase/blob/master/docs/tflite_ops.md ■ （v0.1.0-rc5）https://github.com/kendryte/nncase/tree/v0.1.0-rc5 Maix_Toolbox（nncase v0.1.0-rc5）の場合 [Maix Toolbox使用] nncase v0.1.0-rc5 nncase v0.2.0 Beta2 量子化なし 8bit量子化 量子化なし 8bit量子化 [TF2.1] TFLiteConverter 量子化なしモデル ○：推論実行可能 ✕： MaixPyファームウェアv0.5.0では実行できない 41
- 43. ● ○ ● ○ これ 43
- 44. ● import KPU as kpu task = kpu.load(0x200000) img = img.resize(INPUT_SIZE, INPUT_SIZE) img.pix_to_ai() fmap = kpu.forward(task, img) plist = fmap[:] pred = plist.index(max(plist)) 現時点でドキュメントには 載ってないがこれでリサ イズできる 現時点でドキュメントには 載ってないおまじない． （RBG565->RBG888に 変換してるぽい） 44
- 45. ● ● 45
- 47. 47
- 48. モデル出力 （特徴量） 48
- 50. 50
- 51. 51
- 52. モデル Ver1.0 モデル Ver1.0 モデル Ver1.1 ネット環境がない場所で， モデルの管理が大変 モデル Ver1.0 LANなど JetsonNano TPU dev board 52
- 53. ● ○ ● ○ ● ○ 53
- 54. ● ● ○ ● 54
- 55. 55