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 de threads coûteuse.
Utiliser le groupe NN HAL SchedTune
À partir d'Android 11 ou version ultérieure, AOSP inclut un groupe SchedTune HAL NN dédié qui permet aux processus HAL NN inter-processus d'utiliser des cœurs de grande taille, semblable à l'implémentation du même processus dans le cgroup top-app prédéfini. L'utilisation de ce groupe SchedTune réduit la charge du pilote, 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