compute-engine

compute-engine

优化极度量化神经网络推理的高性能引擎

Larq Compute Engine是专为极度量化神经网络设计的推理引擎。它支持多种移动平台,提供优化的TensorFlow Lite自定义运算符。通过平铺、矢量化和多线程并行化技术,该引擎提高了缓存命中率、计算吞吐量和多核CPU性能。它与Larq和TensorFlow集成,实现从训练到部署的流畅过程,并兼容Larq Zoo的预训练BNN模型。

Larq Compute Engine神经网络TensorFlow Lite移动平台二值化神经网络Github开源项目

Larq计算引擎 <img src="https://yellow-cdn.veclightyear.com/ab5030c0/5714864d-f22d-4a41-a43a-c1bb6b936768.png" alt="larq logo" height="80px" align="right" />

Tests PyPI - Python Version PyPI PyPI - License

Larq计算引擎(LCE)是一个经过高度优化的推理引擎,用于部署极度量化的神经网络,如二进制神经网络(BNNs)。它目前支持各种移动平台,并已在Pixel 1手机和树莓派上进行了基准测试。LCE提供了一系列手工优化的TensorFlow Lite自定义操作符,适用于支持的指令集,采用内联汇编或使用编译器内在函数的C++开发。LCE利用优化技术,如分块以最大化缓存命中数、矢量化以最大化计算吞吐量,以及多线程并行化以利用多核现代台式机和移动CPU。

Larq计算引擎是BNN开发系列库的一部分;您还可以查看Larq用于构建和训练BNNs,以及Larq Zoo用于预训练模型。

主要特性

  • 无缝端到端集成从训练到部署:

    • LCE与Larq和TensorFlow的紧密集成提供了顺畅的端到端训练和部署体验。

    • Larq Zoo中提供了一系列Larq预训练的BNN模型,可用于常见的机器学习任务。

    • LCE提供了一个自定义的基于MLIR的模型转换器,完全兼容TensorFlow Lite,并为Larq模型执行额外的网络级优化。

  • 闪电般的部署在各种移动平台上:

    • LCE通过提供手工优化的内核和针对BNN模型的网络级优化,实现了高性能的设备内机器学习推理。

    • LCE目前支持基于64位ARM的移动平台,如Android手机和树莓派板。

    • LCE中的线程并行支持对于具有多核CPU的现代移动设备至关重要。

性能

下表展示了Larq计算引擎在不同版本的名为QuickNet的新颖BNN模型(在ImageNet数据集上训练,发布在Larq Zoo)上的单线程性能,在Raspberry Pi 4 Model B 1.5GHz (BCM2711)板、Pixel 1 Android手机(2016)搭载M1 ARM CPU的Mac Mini上进行了测试: 以下是英文到中文的翻译:

模型最高1准确率RPi 4B 1.5GHz, 1线程 (毫秒)Pixel 1, 1线程 (毫秒)Mac Mini M1, 1线程 (毫秒)
QuickNetSmall59.4%27.716.84.0
QuickNet63.3%45.025.55.8
QuickNetLarge66.9%77.044.29.9

作为参考,另一个主要的BNN库dabnn在Pixel 1手机上报告了Bi-RealNet(56.4%准确率)的推理时间为61.3毫秒,而LCE在同一设备上实现了Bi-RealNet的41.6毫秒推理时间。此外,他们还提出了一个修改版本BiRealNet-Stem,在43.2毫秒内实现了同样的56.4%准确率。

下表展示了Larq Compute Engine在Pixel 1手机和1.5GHz树莓派4 Model B (BCM2711)上的多线程性能:

模型最高1准确率RPi 4B 1.5GHz, 4线程 (毫秒)Pixel 1, 4线程 (毫秒)Mac Mini M1, 4线程 (毫秒)
QuickNetSmall59.4%12.18.91.8
QuickNet63.3%20.812.62.5
QuickNetLarge66.9%31.722.83.9

基于2021-06-11(Pixel 1)、2021-06-13(Mac Mini M1)和2022-04-20(RPi 4B)使用LCE定制的TFLite模型基准测试工具(参见此处)进行基准测试,启用了XNNPack,并使用随机输入的BNN模型。

入门指南

按照以下步骤部署BNN with LCE:

  1. 选择一个Larq模型

    您可以使用Larq构建和训练自己的模型,或从Larq Zoo选择一个预训练模型。

  2. 转换Larq模型

    LCE基于TensorFlow Lite构建,使用TensorFlow Lite的FlatBuffer格式来转换和序列化Larq模型以进行推理。我们提供了一个LCE转换器,具有额外的优化步骤,以提高Larq模型在支持的目标平台上的执行速度。

  3. 构建LCE

    LCE文档提供了Android64位ARM基板(如树莓派)的构建说明。请按照提供的说明创建本地LCE构建或为其中一个支持的目标进行交叉编译。

  4. 运行推理

    LCE使用TensorFlow Lite解释器来执行推理。除了已有的TensorFlow Lite操作符外,优化的LCE操作符也注册到解释器中,以执行模型中的Larq特定子图。一个示例,用于为您自己的应用创建和构建兼容LCE的TensorFlow Lite解释器,可在此处找到。

下一步

关于

Larq Compute Engine由Plumerai的一个深度学习研究和工程团队开发,旨在加速我们自己的研究和二进制神经网络的普及。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多