文 /Juhyun Lee 和 Yury Pisarchyk，軟件工程師

由于資源限制嚴重，必須在苛刻的功耗要求下使用資源有限的硬件，因此在移動和嵌入式設(shè)備上進行推理頗有難度。在本文中，我們將展示 TensorFlow Lite (TFLite) 在內(nèi)存使用方面的改進，更適合在邊緣設(shè)備上運行推理。

中間張量

一般而言，神經(jīng)網(wǎng)絡(luò)可以視為一個由算子（例如 CONV_2D 或 FULLY_CONNECTED）和保存中間計算結(jié)果的張量（稱為中間張量）組成的計算圖。這些中間張量通常是預(yù)分配的，目的是減少推理延遲，但這樣做會增加內(nèi)存用量。不過，如果只是以簡單的方式實現(xiàn)，那么在資源受限的環(huán)境下代價有可能很高，它會占用大量空間，有時甚至比模型本身高幾倍。例如，MobileNet v2 中的中間張量占用了 26MB 的內(nèi)存（圖 1），大約是模型本身的兩倍。

圖 1. MobileNet v2 的中間張量（上圖）及其到二維內(nèi)存空間大小的映射（下圖）。如果每個中間張量分別使用一個專用的內(nèi)存緩沖區(qū)（用 65 種不同的顏色表示），它們將占用約 26MB 的運行時內(nèi)存

好消息是，通過數(shù)據(jù)相關(guān)性分析，這些中間張量不必共存于內(nèi)存中。如此一來，我們便可以重用中間張量的內(nèi)存緩沖區(qū)，從而減少推理引擎占用的總內(nèi)存。如果網(wǎng)絡(luò)呈簡單的鏈條形狀，則兩個大內(nèi)存緩沖區(qū)即夠用，因為它們可以在整個網(wǎng)絡(luò)中來回互換。然而，對于形成復(fù)雜計算圖的任意網(wǎng)絡(luò)，這個NP 完備(NP-complete)資源分配問題需要一個良好的近似算法。

我們針對此問題設(shè)計了許多不同的近似算法，這些算法的表現(xiàn)取決于神經(jīng)網(wǎng)絡(luò)和內(nèi)存緩沖區(qū)的屬性，但都通過張量使用記錄。中間張量的張量使用記錄是一種輔助數(shù)據(jù)結(jié)構(gòu)，其中包含有關(guān)張量的大小以及在給定的網(wǎng)絡(luò)執(zhí)行計劃中首次最后一次使用時間的信息。借助這些記錄，內(nèi)存管理器能夠在網(wǎng)絡(luò)執(zhí)行的任何時刻計算中間張量的使用情況，并優(yōu)化其運行時內(nèi)存以最大限度減少占用空間。

共享內(nèi)存緩沖區(qū)對象

在 TFLite GPU OpenGL 后端中，我們?yōu)檫@些中間張量采用 GL 紋理。這種方式有幾個有趣的限制：(a) 紋理一經(jīng)創(chuàng)建便無法修改大小，以及 (b) 在給定時間只有一個著色器程序可以獨占訪問紋理對象。在這種共享內(nèi)存緩沖區(qū)對象模式的目標是最小化對象池中創(chuàng)建的所有共享內(nèi)存緩沖區(qū)對象的大小總和。這種優(yōu)化與眾所周知的寄存器分配問題類似，但每個對象的大小可變，因此優(yōu)化起來要復(fù)雜得多。

根據(jù)前面提到的張量使用記錄，我們設(shè)計了 5 種不同的算法，如表 1 所示。除了“最小成本流”以外，它們都是貪心算法，每個算法使用不同的啟發(fā)式算法，但仍會達到或非常接近理論下限。根據(jù)網(wǎng)絡(luò)拓撲，某些算法的性能要優(yōu)于其他算法，但總體來說，GREEDY_BY_SIZE_IMPROVED 和 GREEDY_BY_BREADTH 產(chǎn)生的對象分配占用內(nèi)存最小。

理論下限
https://arxiv.org/abs/2001.03288

表 1. “共享對象”策略的內(nèi)存占用量（以 MB 為單位；最佳結(jié)果以綠色突出顯示）。前 5 行是我們的策略，后 2 行用作基準（“下限”表示最佳數(shù)的近似值，該值可能無法實現(xiàn)，而“樸素”表示為每個中間張量分配專屬內(nèi)存緩沖區(qū)的情況下可能的最差數(shù)）

回到我們的第一個示例，GREEDY_BY_BREADTH 在 MobileNet v2 上表現(xiàn)最佳，它利用了每個算子的寬度，即算子配置文件中所有張量的總和。圖 2，尤其是與圖 1 相比，突出了使用智能內(nèi)存管理器的優(yōu)勢。

圖 2. MobileNet v2 的中間張量（上圖）及其大小到二維內(nèi)存空間的映射（下圖）。如果中間張量共享內(nèi)存緩沖區(qū)（用 4 種不同的顏色表示），它們僅占用大約 7MB 的運行時內(nèi)存

內(nèi)存偏移量計算

對于在 CPU 上運行的 TFLite，適用于 GL 紋理的內(nèi)存緩沖區(qū)屬性不適用。因此，更常見的做法是提前分配一個大內(nèi)存空間，并通過給定偏移量訪問內(nèi)存在所有不干擾其他讀取和寫入操作的讀取器和寫入器之間共享。這種內(nèi)存偏移量計算法的目的是最大程度地減小內(nèi)存空間的大小。

我們針對此優(yōu)化問題設(shè)計了 3 種不同的算法，同時還分析了先前的研究工作（Sekiyama 等人于 2018 年提出的 Strip Packing）。與“共享對象”法類似，根據(jù)網(wǎng)絡(luò)的不同，一些算法的性能優(yōu)于其他算法，如表 2 所示。這項研究的一個收獲是：“偏移量計算”法通常比“共享對象”法占用的空間更小。因此，如果適用，應(yīng)該選擇前者而不是后者。

Strip Packing
https://arxiv.org/abs/1804.10001

表 2. “偏移量計算”策略的內(nèi)存占用量（以 MB 為單位；最佳結(jié)果以綠色突出顯示）。前 3 行是我們的策略，接下來 1 行是先前的研究，后 2 行用作基準（“下限”表示最佳數(shù)的近似值，該值可能無法實現(xiàn)，而“樸素”表示為每個中間張量分配專屬內(nèi)存緩沖區(qū)的情況下可能的最差數(shù)）

這些針對 CPU 和 GPU 的內(nèi)存優(yōu)化默認已隨過去幾個穩(wěn)定的 TFLite 版本一起提供，并已證明在支持更苛刻的最新模型（如 MobileBERT）方面很有優(yōu)勢。直接查看 GPU 實現(xiàn)和 CPU 實現(xiàn)，可以找到更多關(guān)于實現(xiàn)的細節(jié)。

MobileBERT
https://tfhub.dev/tensorflow/lite-model/mobilebert/1/default/1

GPU 實現(xiàn)
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/delegates/gpu/common/memory_management

CPU 實現(xiàn)
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/simple_memory_arena.h

致謝

感謝 Matthias Grundmann、Jared Duke 和 Sarah Sirajuddin，特別感謝 Andrei Kulik 參加了最開始的頭腦風(fēng)暴，同時感謝 Terry Heo 完成 TFLite 的最終實現(xiàn)。

責(zé)任編輯：xj

原文標題：優(yōu)化 TensorFlow Lite 推理運行環(huán)境內(nèi)存占用

文章出處：【微信公眾號：TensorFlow】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。