Execuções de burst e filas rápidas de mensagens

A HAL de redes neurais 1.2 apresenta o conceito de execuções de pico. As execuções em burst são uma sequência de execuções do mesmo modelo preparado que ocorrem em sucessão rápida, como aquelas que ocorrem em frames de uma captura de câmera ou amostras de áudio sucessivas. Um objeto de burst é usado para controlar um conjunto de execuções de burst e preservar recursos entre as execuções, permitindo que as execuções tenham um overhead menor. Os objetos de explosão permitem três otimizações:

  1. Um objeto de burst é criado antes de uma sequência de execuções e liberado quando a sequência terminar. Por isso, a vida útil do objeto de burst indica ao driver por quanto tempo ele deve permanecer em um estado de alto desempenho.
  2. Um objeto de burst pode preservar recursos entre execuções. Por exemplo, o driver pode mapear um objeto de memória na primeira execução e armazenar em cache o mapeamento no objeto de burst para reutilização em execuções subsequentes. Qualquer recurso armazenado em cache pode ser liberado quando o objeto de explosão é destruído ou quando o ambiente de execução da NNAPI notifica o objeto de explosão de que o recurso não é mais necessário.
  3. Um objeto de burst usa filas rápidas de mensagens (FMQs, na sigla em inglês) para comunicação entre os processos do app e do driver. Isso pode reduzir a latência porque a FMQ ignora o HIDL e passa os dados diretamente ao outro processo com um FIFO circular atômico na memória compartilhada. O o processo do consumidor sabe remover um item da fila e começar o processamento Pesquisando o número de elementos no FIFO ou aguardando o evento do FMQ que é sinalizada pelo produtor. Essa flag de evento é um mutex de espaço do usuário rápido (futex).

Uma FMQ é uma estrutura de dados de baixo nível que não oferece garantias de tempo de vida em todos os processos e não tem um mecanismo integrado para determinar se o processo na outra extremidade da FMQ está sendo executado conforme o esperado. Consequentemente, se o produtor do FMQ falhar, o consumidor poderá ficar preso esperando dados que nunca chegam. Um solução para esse problema é que o motorista associe FMQs com o objeto de burst de alto nível para detectar quando a execução do burst terminou.

Como as execuções de burst operam com os mesmos argumentos e retornam os mesmos resultados que outras rotas de execução, as FMQs subjacentes precisam transmitir os mesmos dados para e dos drivers de serviço da NNAPI. No entanto, os FMQs só podem transferir dados simples e antigos. A transferência de dados complexos é realizada com a serialização e desserialização de buffers aninhados (tipos de vetores) diretamente nos FMQs e usando Objetos de callback HIDL para transferir identificadores de pool de memória sob demanda. O produtor do FMQ deve enviar as mensagens de solicitação ou de resultado ao consumidor atomicamente usando MessageQueue::writeBlocking se a fila estiver bloqueando, ou usando MessageQueue::write se a fila não tiver bloqueios.

Interfaces de burst

As interfaces de explosão para a HAL de redes neurais estão em hardware/interfaces/neuralnetworks/1.2/ e são descritas abaixo. Para mais informações sobre interfaces de explosão na camada do NDK, consulte frameworks/ml/nn/runtime/include/NeuralNetworks.h.

types.hal

types.hal define o tipo de dados enviados no FMQ.

  • FmqRequestDatum: Um único elemento de uma representação serializada de uma execução Request objeto e um valor MeasureTiming, que é enviado pela mensagem rápida fila.
  • FmqResultDatum: Um único elemento de uma representação serializada dos valores retornados do uma execução (ErrorStatus, OutputShapes e Timing), que é retornados pela fila de mensagens rápidas.

IBurstContext.hal

IBurstContext.hal define o objeto de interface HIDL que reside no serviço de redes neurais.

  • IBurstContext: Objeto de contexto para gerenciar os recursos de um burst.

IBurstCallback.hal

IBurstCallback.hal define o objeto de interface HIDL para um callback criado pelo ambiente de execução de redes neurais e é usado pelo serviço de redes neurais para recuperar objetos hidl_memory correspondentes aos identificadores de slot.

  • IBurstCallback: Objeto de callback usado por um serviço para recuperar objetos de memória.

IPreparedModel.hal

IPreparedModel.hal foi estendida na HAL 1.2 com um método para criar um objeto IBurstContext a partir de um preparado.

  • configureExecutionBurst: Configura um objeto de burst usado para executar várias inferências em uma do modelo em rápida sucessão.

Oferecer suporte a execuções de burst em um driver

A maneira mais simples de oferecer suporte a objetos de burst em um serviço NNAPI HIDL é usar o função utilitária de burst ::android::nn::ExecutionBurstServer::create, que é encontrado em ExecutionBurstServer.h e empacotados em libneuralnetworks_common e libneuralnetworks_util bibliotecas estáticas. Essa função de fábrica tem duas sobrecargas:

  • Uma sobrecarga aceita um ponteiro para um objeto IPreparedModel. Essa função de utilitário usa o método executeSynchronously em um objeto IPreparedModel para executar o modelo.
  • Uma sobrecarga aceita um objeto IBurstExecutorWithCache personalizável. que pode ser usado para armazenar recursos em cache (como mapeamentos hidl_memory) que persistem em várias execuções.

Cada sobrecarga retorna um objeto IBurstContext, que representa o burst ) que contém e gerencia a própria linha de execução de listener dedicada. Essa linha de execução recebe solicitações da FMQ requestChannel, realiza a inferência e retorna os resultados pela FMQ resultChannel. Esta conversa e todas as outras os recursos no objeto IBurstContext são liberados automaticamente quando o cliente do burst perde a referência a IBurstContext.

Como alternativa, crie sua própria implementação de IBurstContext que entenda como enviar e receber mensagens pelas FMQs requestChannel e resultChannel transmitidas para IPreparedModel::configureExecutionBurst.

As funções utilitárias de burst são encontradas em ExecutionBurstServer.h

/**
 * Create automated context to manage FMQ-based executions.
 *
 * This function is intended to be used by a service to automatically:
 * 1) Receive data from a provided FMQ
 * 2) Execute a model with the given information
 * 3) Send the result to the created FMQ
 *
 * @param callback Callback used to retrieve memories corresponding to
 *     unrecognized slots.
 * @param requestChannel Input FMQ channel through which the client passes the
 *     request to the service.
 * @param resultChannel Output FMQ channel from which the client can retrieve
 *     the result of the execution.
 * @param executorWithCache Object which maintains a local cache of the
 *     memory pools and executes using the cached memory pools.
 * @result IBurstContext Handle to the burst context.
 */
static sp<ExecutionBurstServer> create(
        const sp<IBurstCallback>& callback, const FmqRequestDescriptor& requestChannel,
        const FmqResultDescriptor& resultChannel,
        std::shared_ptr<IBurstExecutorWithCache> executorWithCache);

/**
 * Create automated context to manage FMQ-based executions.
 *
 * This function is intended to be used by a service to automatically:
 * 1) Receive data from a provided FMQ
 * 2) Execute a model with the given information
 * 3) Send the result to the created FMQ
 *
 * @param callback Callback used to retrieve memories corresponding to
 *     unrecognized slots.
 * @param requestChannel Input FMQ channel through which the client passes the
 *     request to the service.
 * @param resultChannel Output FMQ channel from which the client can retrieve
 *     the result of the execution.
 * @param preparedModel PreparedModel that the burst object was created from.
 *     IPreparedModel::executeSynchronously will be used to perform the
 *     execution.
 * @result IBurstContext Handle to the burst context.
 */
  static sp<ExecutionBurstServer> create(const sp<IBurstCallback>& callback,
                                         const FmqRequestDescriptor& requestChannel,
                                         const FmqResultDescriptor& resultChannel,
                                         IPreparedModel* preparedModel);

Veja a seguir uma implementação de referência de uma interface de burst encontrada na O exemplo do driver de redes neurais frameworks/ml/nn/driver/sample/SampleDriver.cpp

Return<void> SamplePreparedModel::configureExecutionBurst(
        const sp<V1_2::IBurstCallback>& callback,
        const MQDescriptorSync<V1_2::FmqRequestDatum>& requestChannel,
        const MQDescriptorSync<V1_2::FmqResultDatum>& resultChannel,
        configureExecutionBurst_cb cb) {
    NNTRACE_FULL(NNTRACE_LAYER_DRIVER, NNTRACE_PHASE_EXECUTION,
                 "SampleDriver::configureExecutionBurst");
    // Alternatively, the burst could be configured via:
    // const sp<V1_2::IBurstContext> burst =
    //         ExecutionBurstServer::create(callback, requestChannel,
    //                                      resultChannel, this);
    //
    // However, this alternative representation does not include a memory map
    // caching optimization, and adds overhead.
    const std::shared_ptr<BurstExecutorWithCache> executorWithCache =
            std::make_shared<BurstExecutorWithCache>(mModel, mDriver, mPoolInfos);
    const sp<V1_2::IBurstContext> burst = ExecutionBurstServer::create(
            callback, requestChannel, resultChannel, executorWithCache);
    if (burst == nullptr) {
        cb(ErrorStatus::GENERAL_FAILURE, {});
    } else {
        cb(ErrorStatus::NONE, burst);
    }
    return Void();
}