La HAL de redes neuronales 1.2 presenta el concepto de ejecuciones de ráfaga. Ráfaga las ejecuciones son una secuencia de ejecuciones del mismo modelo preparado que ocurre en en una sucesión rápida, como las que se realizan en marcos de una captura de cámara o audio sucesivo de muestra. Un objeto de ráfaga se usa para controlar un conjunto de ejecuciones de ráfaga los recursos entre ejecuciones, lo que permite que estas tengan menor la sobrecarga. Los objetos Burst permiten tres optimizaciones:
- Un objeto de ráfaga se crea antes de una secuencia de ejecuciones y se libera cuando esta finaliza. Debido a esto, la vida útil del objeto de ráfaga le indica al controlador cuánto tiempo debe permanecer en un estado de alto rendimiento.
- Un objeto de ráfaga puede preservar recursos entre ejecuciones. Por ejemplo, un controlador puede asignar un objeto de memoria en la primera ejecución y almacenar en caché la asignación en el objeto de ráfaga para reutilizarla en ejecuciones posteriores. Cualquier recurso almacenado en caché se puede liberar cuando se destruye el objeto de ráfaga o cuando la NNAPI el entorno de ejecución notifica al objeto de ráfaga que el recurso ya no es necesario.
- Un objeto de ráfaga usa colas de mensajes rápidos (FMQ) para comunicarse entre los procesos de la app y del controlador. Esto puede reducir la latencia porque el FMQ omite el HIDL y pasa los datos directamente otro proceso a través de un FIFO circular atómico en una memoria compartida. El proceso del consumidor sabe cómo quitar un elemento de la cola y comenzar a procesarlo, ya sea a través de la sondeo de la cantidad de elementos en la lista FIFO o esperando el indicador de evento de la FMQ, que indica el productor. La marca de este evento es rápida exclusión mutua de espacio de usuario (futex)
Una FMQ es una estructura de datos de bajo nivel que no ofrece garantías de tiempo de vida en todos los procesos y no tiene un mecanismo integrado para determinar si el proceso en el otro extremo de la FMQ se ejecuta como se espera. Por lo tanto, si el productor muere, el consumidor puede quedarse atascado esperando datos que nunca llegan. Una solución a este problema es que el controlador asocie las FMQ con el objeto de ráfaga de nivel superior para detectar cuándo finalizó la ejecución de la ráfaga.
Debido a que las ejecuciones en ráfaga operan en los mismos argumentos y muestran el mismo
como otras rutas de ejecución, las FMQ subyacentes deben pasar los mismos datos
y de los controladores del servicio de NNAPI. Sin embargo, las FMQ solo pueden transferir tipos de datos simples. La transferencia de datos complejos se logra serializando y deserializando búferes anidados (tipos de vectores) directamente en las FMQ y usando objetos de devolución de llamada de HIDL para transferir controladores de grupo de memoria a pedido. El productor
de la FMQ debe enviar los mensajes de solicitud o resultados al consumidor
de forma atómica con MessageQueue::writeBlocking si la cola está bloqueando
a través de MessageQueue::write si la cola no tiene bloqueo
Interfaces de ráfaga
Las interfaces de ráfaga para el HAL de redes neuronales se encuentran en hardware/interfaces/neuralnetworks/1.2/ y se describen a continuación. Para obtener más información sobre las interfaces de ráfaga en la capa del NDK, consulta frameworks/ml/nn/runtime/include/NeuralNetworks.h.
tipos.hal
types.hal define el tipo de datos que se envía a través de la FMQ.
FmqRequestDatum: Un solo elemento de una representación serializada de una ejecuciónRequesty un valorMeasureTiming, que se envía en el mensaje rápido en la fila.FmqResultDatum: Un único elemento de una representación serializada de los valores que se muestran una ejecución (ErrorStatus,OutputShapesyTiming), que es se devuelven a través de la cola de mensajes rápidos.
IBurstContext.hal
IBurstContext.hal define el objeto de interfaz HIDL que se encuentra en el servicio de Redes neuronales.
IBurstContext: Objeto de contexto para administrar los recursos de un aumento de actividad.
IBurstCallback.hal
IBurstCallback.hal
define el objeto de la interfaz HIDL para una devolución de llamada creada por las redes neuronales
tiempo de ejecución y el servicio de redes neuronales la usa para recuperar hidl_memory
objetos correspondientes
a los identificadores de ranuras.
- IBurstCallback: Objeto de devolución de llamada que usa un servicio para recuperar objetos de memoria.
IPreparedModel.hal
IPreparedModel.hal se extiende en HAL 1.2 con un método para crear un objeto IBurstContext a partir de un modelo preparado.
configureExecutionBurst: Configura un objeto de ráfaga que se usa para ejecutar varias inferencias en un modelo preparado en rápida sucesión.
Admite ejecuciones en ráfaga en un controlador
La manera más simple de admitir objetos de ráfaga en un servicio de NNAPI HIDL es usar
la función de utilidad de ráfaga ::android::nn::ExecutionBurstServer::create, que es
se encuentran en
ExecutionBurstServer.h
y empaquetado en libneuralnetworks_common y libneuralnetworks_util
estáticas. Esta función de fábrica tiene dos sobrecargas:
- Una sobrecarga acepta un puntero a un objeto
IPreparedModel. Esta función de utilidad usa el métodoexecuteSynchronouslyen un Un objetoIPreparedModelpara ejecutar el modelo. - Una sobrecarga acepta un objeto
IBurstExecutorWithCachepersonalizable, que se puede usar para almacenar en caché los recursos (como las asignacioneshidl_memory) que persisten en múltiples ejecuciones.
Cada sobrecarga muestra un objeto IBurstContext (que representa el aumento de actividad).
que contiene y administra su propio subproceso de objeto de escucha dedicado. Este subproceso recibe solicitudes de la FMQ de requestChannel, realiza la inferencia y, luego, muestra los resultados a través de la FMQ de resultChannel. Esta conversación y todas las demás
Los recursos contenidos en el objeto IBurstContext se liberan automáticamente
Cuando el cliente del aumento de actividad pierde su referencia a IBurstContext.
Como alternativa, puedes crear tu propia implementación de IBurstContext, que
comprenda cómo enviar y recibir mensajes a través de requestChannel y
Se pasaron resultChannel FMQ a IPreparedModel::configureExecutionBurst.
Las funciones de utilidad de ráfaga se encuentran en
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);
La siguiente es una implementación de referencia de una interfaz de ráfaga que se encuentra en el controlador de muestra de redes neuronales en 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();
}