Cette page décrit les bonnes pratiques à suivre pour implémenter des pilotes NNAPI (Neural Networks API) afin de permettre une large adoption de l'API NNAPI par les développeurs d'applications.
Réduire les temps de démarrage
Si votre pilote transforme les poids d'un modèle lors de la première utilisation, assurez-vous qu'il est compatible avec le cache de compilation, ce qui réduit le temps de compilation au démarrage d'une application. Cela est important, car les applications peuvent éviter d'utiliser l'accélération matérielle si les temps de démarrage sont trop longs. Par exemple, certaines applications contiennent plus de 100 Mo de poids, et les transformer à chaque lancement de l'application est un gaspillage.
Réduire la latence minimale
Pour vous assurer que les modèles utilisent l'accélération matérielle, il est important de réduire la latence minimale dans les pilotes. De nombreuses applications utilisent de petits modèles qui sont exécutés plusieurs fois. Si la latence minimale pour exécuter une charge de travail est trop élevée (par exemple, quelques millisecondes), les modèles peuvent exécuter la charge de travail sur le processeur, ce qui ne prend qu'un ou deux millisecondes, au lieu d'utiliser des accélérations matérielles. Faites attention à la synchronisation des threads coûteuse.
Utiliser le groupe NN HAL SchedTune
À partir d'Android 11 ou version ultérieure, AOSP inclut une
NN HAL
SchedTune
qui permet aux processus NN HAL inter-processus d'utiliser de grandes
comme l'implémentation sur le même processus dans les
top-app cgroup. Utilisation
Le groupe SchedTune réduit la surcharge de travail du conducteur, en particulier pour les petits modèles.
Pour utiliser le groupe SchedTune, ajoutez la ligne suivante au fichier init.rc du processus HAL de NN :
writepid /dev/stune/nnapi-hal/tasks