使用C++接口执行云侧推理

概述

本教程介绍如何使用C++接口执行MindSpore Lite云侧推理。

MindSpore Lite云侧推理仅支持在Linux环境部署运行。支持Atlas 200/300/500推理产品、Atlas推理系列产品（配置Ascend310P AI 处理器）、Atlas训练系列产品、Nvidia GPU和CPU硬件后端。

如需体验MindSpore Lite端侧推理流程，请参考文档使用C++接口执行端侧推理。

使用MindSpore Lite推理框架主要包括以下步骤：

1. 模型读取：通过MindSpore导出MindIR模型，或者由模型转换工具转换获得MindIR模型。

2. 创建配置上下文：创建配置上下文Context，保存需要的一些基本配置参数，用于指导模型编译和模型执行。

3. 模型加载与编译：执行推理之前，需要调用Model的Build接口进行模型加载和模型编译。模型加载阶段将文件缓存解析成运行时的模型。模型编译阶段会耗费较多时间所以建议Model创建一次，编译一次，多次推理。

4. 输入数据：模型执行之前需要填充输入数据。

5. 执行推理：使用Model的Predict进行模型推理。

准备工作

1. 以下代码样例来自于使用C++接口执行云侧推理示例代码。

2. 通过MindSpore导出MindIR模型，或者由模型转换工具转换获得MindIR模型，并将其拷贝到mindspore/lite/examples/cloud_infer/runtime_cpp/model目录，可以下载MobileNetV2模型文件mobilenetv2.mindir。

3. 从官网下载Ascend、Nvidia GPU、CPU三合一的MindSpore Lite云侧推理包mindspore-lite-{version}-linux-{arch}.tar.gz，并存放到mindspore/lite/examples/cloud_infer/runtime_cpp目录。

创建配置上下文

上下文会保存一些所需的基本配置参数，用于指导模型编译和模型执行。

下面示例代码演示了如何创建Context。

auto context = std::make_shared<mindspore::Context>();
if (context == nullptr) {
    std::cerr << "New context failed." << std::endl;
    return nullptr;
}
auto &device_list = context->MutableDeviceInfo();

通过MutableDeviceInfo返回后端信息列表的引用，指定运行的设备。MutableDeviceInfo中支持用户设置设备信息，包括CPUDeviceInfo、GPUDeviceInfo、AscendDeviceInfo。设置的设备个数当前只能为其中一个。

配置使用CPU后端

当需要执行的后端为CPU时，需要设置CPUDeviceInfo为推理后端。通过SetEnableFP16使能float16推理。

auto context = std::make_shared<mindspore::Context>();
if (context == nullptr) {
  std::cerr << "New context failed." << std::endl;
  return nullptr;
}
auto &device_list = context->MutableDeviceInfo();
auto cpu_device_info = std::make_shared<mindspore::CPUDeviceInfo>();
if (cpu_device_info == nullptr) {
  std::cerr << "New CPUDeviceInfo failed." << std::endl;
  return nullptr;
}
// CPU use float16 operator as priority.
cpu_device_info->SetEnableFP16(true);
device_list.push_back(cpu_device_info);

可选择性地额外设置线程数、线程亲和性、并行策略等特性。

1. 配置线程数

   Context通过SetThreadNum配置线程数：

   // Configure the number of worker threads in the thread pool to 2, including the main thread.
   context->SetThreadNum(2);
   

2. 配置线程亲和性

   Context通过SetThreadAffinity配置线程和CPU绑定。 通过参数const std::vector<int> &core_list设置绑核列表。

   // Configure the thread to be bound to the core list.
   context->SetThreadAffinity({0,1});
   

3. 配置并行策略

   Context通过SetInterOpParallelNum设置运行时的算子并行推理数目。

   // Configure the inference supports parallel.
   context->SetInterOpParallelNum(2);
   

配置使用GPU后端

当需要执行的后端为GPU时，需要设置GPUDeviceInfo为推理后端。其中GPUDeviceInfo通过SetDeviceID来设置设备ID，通过SetEnableFP16或者SetPrecisionMode使能float16推理。

下面示例代码演示如何创建GPU推理后端，同时设备ID设置为0：

auto context = std::make_shared<mindspore::Context>();
if (context == nullptr) {
    std::cerr << "New context failed." << std::endl;
  return nullptr;
}
auto &device_list = context->MutableDeviceInfo();

auto gpu_device_info = std::make_shared<mindspore::GPUDeviceInfo>();
if (gpu_device_info == nullptr) {
  std::cerr << "New GPUDeviceInfo failed." << std::endl;
  return nullptr;
}
// Set NVIDIA device id.
gpu_device_info->SetDeviceID(0);
// GPU use float16 operator as priority.
gpu_device_info->SetEnableFP16(true);
// The GPU device context needs to be push_back into device_list to work.
device_list.push_back(gpu_device_info);

SetEnableFP16属性是否设置成功取决于当前设备的CUDA计算能力。

用户可通过调用 SetPrecisionMode()接口配置精度模式，设置 SetPrecisionMode("preferred_fp16") 时，同时 SetEnableFP16(true) 会自动设置，反之亦然。

SetPrecisionMode()	SetEnableFP16()
enforce_fp32	false
preferred_fp16	true

配置使用Ascend后端

当需要执行的后端为Ascend时(目前支持Atlas 200/300/500推理产品、Atlas推理系列产品（配置Ascend310P AI 处理器）、Atlas训练系列产品)，需要设置AscendDeviceInfo为推理后端。其中AscendDeviceInfo通过SetDeviceID来设置设备ID。Ascend默认使能float16精度，可通过AscendDeviceInfo.SetPrecisionMode更改精度模式。

下面示例代码演示如何创建Ascend推理后端，同时设备ID设置为0：

auto context = std::make_shared<mindspore::Context>();
if (context == nullptr) {
    std::cerr << "New context failed." << std::endl;
  return nullptr;
}
auto &device_list = context->MutableDeviceInfo();

// for Atlas 200/300/500 inference product, Atlas inference series (with Ascend 310P AI processor), Atlas training series
auto device_info = std::make_shared<mindspore::AscendDeviceInfo>();
if (device_info == nullptr) {
  std::cerr << "New AscendDeviceInfo failed." << std::endl;
  return nullptr;
}
// Set Atlas 200/300/500 inference product, Atlas inference series (with Ascend 310P AI processor), Atlas training series device id.
device_info->SetDeviceID(device_id);
// The Ascend device context needs to be push_back into device_list to work.
device_list.push_back(device_info);

在Ascend弹性加速服务（拉远模式）环境运行推理：

// Set the provider to ge.
device_info->SetProvider("ge");

用户可通过调用 SetPrecisionMode()接口配置精度模式，使用场景如下表所示：

用户配置precision mode参数	ACL实际获取precision mode参数	ACL使用场景说明
enforce_fp32	force_fp32	强制使用 fp32
preferred_fp32	allow_fp32_to_fp16	优先使用 fp32
enforce_fp16	force_fp16	强制使用 fp16
enforce_origin	must_keep_origin_dtype	强制使用 初始类型
preferred_optimal	allow_mix_precision	优先使用 fp16+精度权衡

模型创建加载与编译

使用MindSpore Lite执行推理时，Model是推理的主入口，通过Model可以实现模型加载、模型编译和模型执行。采用上一步创建得到的Context，调用Model的复合Build接口来实现模型加载与模型编译。

下面示例代码演示了Model创建、加载与编译的过程：

std::shared_ptr<mindspore::Model> BuildModel(const std::string &model_path, const std::string &device_type,
                                             int32_t device_id) {
  // Create and init context, add CPU device info
  auto context = std::make_shared<mindspore::Context>();
  if (context == nullptr) {
    std::cerr << "New context failed." << std::endl;
    return nullptr;
  }
  auto &device_list = context->MutableDeviceInfo();
  std::shared_ptr<mindspore::DeviceInfoContext> device_info = nullptr;
  if (device_type == "CPU") {
    device_info = CreateCPUDeviceInfo();
  } else if (device_type == "GPU") {
    device_info = CreateGPUDeviceInfo(device_id);
  } else if (device_type == "Ascend") {
    device_info = CreateAscendDeviceInfo(device_id);
  }
  if (device_info == nullptr) {
    std::cerr << "Create " << device_type << "DeviceInfo failed." << std::endl;
    return nullptr;
  }
  device_list.push_back(device_info);

  // Create model
  auto model = std::make_shared<mindspore::Model>();
  if (model == nullptr) {
    std::cerr << "New Model failed." << std::endl;
    return nullptr;
  }
  // Build model
  auto build_ret = model->Build(model_path, mindspore::kMindIR, context);
  if (build_ret != mindspore::kSuccess) {
    std::cerr << "Build model failed." << std::endl;
    return nullptr;
  }
  return model;
}

针对大模型，使用model buffer进行加载编译的时候需要单独设置权重文件的路径，通过LoadConfig或UpdateConfig接口设置模型路径，其中section为model_file，key为mindir_path；使用model path进行加载编译的时候不需要设置其他参数，会自动读取权重参数。

输入数据

在模型执行前，需要设置输入数据，使用GetInputs方法，直接获取所有的模型输入Tensor的vector。可以通过MSTensor的DataSize方法来获取Tensor应该填入的数据大小，通过DataType方法来获取Tensor的数据类型，通过SetData方法设置输入host数据。

当前有两种指定输入数据的方式：

1. 通过SetData设置输入数据，可以避免host之间的拷贝，输入数据将最终直接拷贝到推理设备上。

   int SetTensorHostData(std::vector<mindspore::MSTensor> *tensors, std::vector<MemBuffer> *buffers) {
     if (!tensors || !buffers) {
       std::cerr << "Argument tensors or buffers cannot be nullptr" << std::endl;
       return -1;
     }
     if (tensors->size() != buffers->size()) {
       std::cerr << "tensors size " << tensors->size() << " != "
                 << " buffers size " << buffers->size() << std::endl;
       return -1;
     }
     for (size_t i = 0; i < tensors->size(); i++) {
       auto &tensor = (*tensors)[i];
       auto &buffer = (*buffers)[i];
       if (tensor.DataSize() != buffer.size()) {
         std::cerr << "Tensor data size " << tensor.DataSize() << " != buffer size " << buffer.size() << std::endl;
         return -1;
       }
       // set tensor data, and the memory should be freed by user
       tensor.SetData(buffer.data(), false);
       tensor.SetDeviceData(nullptr);
     }
     return 0;
   }
   
     auto inputs = model->GetInputs();
     // Set the input data of the model, this inference input will be copied directly to the device.
     SetTensorHostData(&inputs, &input_buffer);
   

2. 将输入数据拷贝到MutableData返回的Tensor缓存中。注意，如果已通过SetData设置过数据地址，则MutableData返回的将是SetData的数据地址，此时需要先调用SetData(nullptr)。

   int CopyTensorHostData(std::vector<mindspore::MSTensor> *tensors, std::vector<MemBuffer> *buffers) {
     for (size_t i = 0; i < tensors->size(); i++) {
       auto &tensor = (*tensors)[i];
       auto &buffer = (*buffers)[i];
       if (tensor.DataSize() != buffer.size()) {
         std::cerr << "Tensor data size " << tensor.DataSize() << " != buffer size " << buffer.size() << std::endl;
         return -1;
       }
       auto dst_mem = tensor.MutableData();
       if (dst_mem == nullptr) {
         std::cerr << "Tensor MutableData return nullptr" << std::endl;
         return -1;
       }
       memcpy(tensor.MutableData(), buffer.data(), buffer.size());
     }
     return 0;
   }
     auto inputs = model->GetInputs();
     // Set the input data of the model, copy data to the tensor buffer of Model.GetInputs.
     CopyTensorHostData(&inputs, &input_buffer);
   

执行推理

调用Model.Predict接口执行推理，并对返回的输出结果进行后续处理。

int SpecifyInputDataExample(const std::string &model_path, const std::string &device_type, int32_t device_id,
                            int32_t batch_size) {
  auto model = BuildModel(model_path, device_type, device_id);
  if (model == nullptr) {
    std::cerr << "Create and build model failed." << std::endl;
    return -1;
  }
  auto inputs = model->GetInputs();
  // InferenceApp is user-defined code. Users need to obtain inputs and process outputs based on
  // the actual situation.
  InferenceApp app;
  // Obtain inputs. The input data for inference may come from the preprocessing result.
  auto &input_buffer = app.GetInferenceInputs(inputs);
  if (input_buffer.empty()) {
    return -1;
  }
  // Set the input data of the model, this inference input will be copied directly to the device.
  SetTensorHostData(&inputs, &input_buffer);

  std::vector<mindspore::MSTensor> outputs;
  auto predict_ret = model->Predict(inputs, &outputs);
  if (predict_ret != mindspore::kSuccess) {
    std::cerr << "Predict error " << predict_ret << std::endl;
    return -1;
  }
  // Process outputs.
  app.OnInferenceResult(outputs);
  return 0;
}

编译和执行

按照快速入门环境变量一节所述，设置环境变量。接着按如下方式编译程序：

mkdir build && cd build
cmake ../
make

在编译成功后，可以在build目录下得到runtime_cpp可执行程序。执行程序runtime_cpp运行样例：

./runtime_cpp --model_path=../model/mobilenetv2.mindir --device_type=CPU

高级用法

动态shape输入

Lite云侧推理框架支持动态shape输入的模型，GPU和Ascend硬件后端，需要在模型转换和模型推理时配置动态输入信息。

动态输入信息的配置与离线和在线场景有关。离线场景，模型转换工具参数--optimize=general，--optimize=gpu_oriented或--optimize=ascend_oriented，即经历和硬件相关的融合和优化，产生的MindIR模型仅能在对应硬件后端上运行，比如，在Atlas 200/300/500推理产品环境上，模型转换工具指定--optimize=ascend_oriented，则产生的模型仅支持在Atlas 200/300/500推理产品上运行，如果指定--optimize=general，则支持在GPU和CPU上运行。在线场景，加载的MindIR没有经历和硬件相关的融合和优化，支持在Ascend、GPU和CPU上运行，模型转换工具参数--optimize=none，或MindSpore导出的MindIR模型没有经过转换工具处理。

Ascend硬件后端离线场景下，需要在模型转换阶段配置动态输入信息。Ascend硬件后端在线场景下，以及GPU硬件后端离线和在线场景下，需要在模型加载阶段通过LoadConfig接口配置动态输入信息。

通过LoadConfig加载的配置文件示例如下所示：

[ascend_context]
input_shape=input_1:[-1,3,224,224]
dynamic_dims=[1~4],[8],[16]

[gpu_context]
input_shape=input_1:[-1,3,224,224]
dynamic_dims=[1~16]
opt_dims=[1]

[ascend_context]和[gpu_context]分别作用于Ascend和GPU硬件后端。

1. Ascend和GPU硬件后端需要通过动态输入信息进行图的编译和优化，CPU硬件后端不需要配置动态维度信息。

2. input_shape用于指示输入shape信息，格式为input_name1:[shape1];input_name2:[shape2]，如果有动态输入，则需要将相应的维度设定为-1，多个输入通过英文分号;隔开。

3. dynamic_dims用于指示动态维度的值范围，多个非连续的值范围通过英文逗号,隔开。上例子中，Ascend的batch维度值范围为1,2,3,4,8,16，GPU的batch维度值范围为1到16。Ascend硬件后端，动态输入为多档模式，动态输入范围越大，模型编译时间越长。

4. 对于GPU硬件后端，需要额外配置opt_dims用于指示dynamic_dims范围中最优的值。

5. 如果input_shape配置的为静态shape，则不需要配置dynamic_dims和opt_dims。

在模型Build前，通过LoadConfig加载配置文件信息：

  // Create model
  auto model = std::make_shared<mindspore::Model>();
  if (model == nullptr) {
    std::cerr << "New Model failed." << std::endl;
    return nullptr;
  }
  if (!config_file.empty()) {
    if (model->LoadConfig(config_file) != mindspore::kSuccess) {
      std::cerr << "Failed to load config file " << config_file << std::endl;
      return nullptr;
    }
  }
  // Build model
  auto build_ret = model->Build(model_path, mindspore::kMindIR, context);
  if (build_ret != mindspore::kSuccess) {
    std::cerr << "Build model failed." << std::endl;
    return nullptr;
  }

在模型推理时，如果模型的输入是动态的，通过GetInputs和GetOutputs返回的输入输出shape可能包括-1，即为动态shape，则需要通过Resize接口指定输入shape。如果输入Shape需要发生变化，比如batch维度发生变化，则需要重新调用Resize接口调整输入shape。

调用Resize接口后，已调用和后续调用的GetInputs和GetOutputs中的Tensor的shape将发生变化。

下面示例代码演示如何对MindSpore Lite的输入Tensor进行Resize：

int ResizeModel(std::shared_ptr<mindspore::Model> model, int32_t batch_size) {
  std::vector<std::vector<int64_t>> new_shapes;
  auto inputs = model->GetInputs();
  for (auto &input : inputs) {
    auto shape = input.Shape();
    shape[0] = batch_size;
    new_shapes.push_back(shape);
  }
  if (model->Resize(inputs, new_shapes) != mindspore::kSuccess) {
    std::cerr << "Failed to resize to batch size " << batch_size << std::endl;
    return -1;
  }
  return 0;
}

指定输入输出host内存

指定设备内存支持CPU、Asend和GPU硬件后端。指定的输入host内存，缓存中的数据将直接拷贝到设备（device）内存上，指定的输出host内存，设备（device）内存的数据将直接拷贝到这块缓存中。避免了额外的host之间的数据拷贝，提升推理性能。

通过SetData可单独或者同时指定输入和输出host内存。建议参数own_data为false，当own_data为false，用户需要维护host内存的生命周期，负责host内存的申请和释放。当参数own_data为true时，在MSTensor析构时释放指定的内存。

1. 指定输入host内存

   输入host内存的值，一般来源于host侧的C++、Python等预处理的结果。

     std::vector<void *> host_buffers;
     // ... get host buffer from preprocessing etc.
     // Get Input
     auto inputs = model->GetInputs();
     for (size_t i = 0; i < tensors.size(); i++) {
       auto &tensor = tensors[i];
       auto host_data = host_buffers[i];
       tensor.SetData(host_data, false);
       tensor.SetDeviceData(nullptr);
     }
   
     std::vector<mindspore::MSTensor> outputs;
     if (model->Predict(inputs, &outputs) != 0) {
       return -1;
     }
   

2. 指定输出host内存

     // Get Output from model
     auto outputs = model->GetOutputs();
     std::vector<void *> output_buffers;
     ResourceGuard output_device_rel([&output_buffers]() {
       for (auto &item : output_buffers) {
         free(item);
       }
     });
     for (auto &tensor : outputs) {
       auto buffer = malloc(tensor.DataSize());
       tensor.SetData(buffer, false);
       tensor.SetDeviceData(nullptr);
       output_buffers.push_back(buffer); // for free
     }
     if (model->Predict(inputs, &outputs) != 0) {
       return -1;
     }
   

指定输入输出设备（device）内存

指定设备内存支持Asend和GPU硬件后端。指定输入输出设备内存可以避免device到host内存之间的相互拷贝，比如经过芯片dvpp预处理产生的device内存输入直接作为模型推理的输入，避免预处理结果从device内存拷贝到host内存，host结果作为模型推理输入，推理前重新拷贝到device上。

指定输入输出设备内存样例可参考设备内存样例。

通过SetDeviceData可单独或者同时指定输入和输出设备内存。用户需要维护设备内存的生命周期，负责设备内存的申请和释放。

1. 指定输入设备内存

   样例中，输入设备内存的值拷贝自host，一般设备内存的值来自于芯片预处理的结果或另一个模型的输出。

   int SetDeviceData(std::vector<mindspore::MSTensor> tensors, const std::vector<uint8_t *> &host_data_buffer,
                     std::vector<void *> *device_buffers) {
     for (size_t i = 0; i < tensors.size(); i++) {
       auto &tensor = tensors[i];
       auto host_data = host_data_buffer[i];
       auto data_size = tensor.DataSize();
       if (data_size == 0) {
         std::cerr << "Data size cannot be 0, tensor shape: " << ShapeToString(tensor.Shape()) << std::endl;
         return -1;
       }
       auto device_data = MallocDeviceMemory(data_size);
       if (device_data == nullptr) {
         std::cerr << "Failed to alloc device data, data size " << data_size << std::endl;
         return -1;
       }
       device_buffers->push_back(device_data);
       if (CopyMemoryHost2Device(device_data, data_size, host_data, data_size) != 0) {
         std::cerr << "Failed to copy data to device, data size " << data_size << std::endl;
         return -1;
       }
       tensor.SetDeviceData(device_data);
       tensor.SetData(nullptr, false);
     }
     return 0;
   }
   
     // Get Input
     auto inputs = model->GetInputs();
     std::vector<void *> device_buffers;
     ResourceGuard device_rel([&device_buffers]() {
       for (auto &item : device_buffers) {
         FreeDeviceMemory(item);
       }
     });
     SetDeviceData(inputs, host_buffers, &device_buffers);
     std::vector<mindspore::MSTensor> outputs;
     if (Predict(model, inputs, &outputs) != 0) {
       return -1;
     }
   

2. 指定输出设备内存

   样例中，输出设备内存拷贝到host打印输出，一般输出设备内存可作为其他模型的输入。

   int SetOutputDeviceData(std::vector<mindspore::MSTensor> tensors, std::vector<void *> *device_buffers) {
     for (size_t i = 0; i < tensors.size(); i++) {
       auto &tensor = tensors[i];
       auto data_size = tensor.DataSize();
       if (data_size == 0) {
         std::cerr << "Data size cannot be 0, tensor shape: " << ShapeToString(tensor.Shape()) << std::endl;
         return -1;
       }
       auto device_data = MallocDeviceMemory(data_size);
       if (device_data == nullptr) {
         std::cerr << "Failed to alloc device data, data size " << data_size << std::endl;
         return -1;
       }
       device_buffers->push_back(device_data);
       tensor.SetDeviceData(device_data);
       tensor.SetData(nullptr, false);
     }
     return 0;
   }
   
     // Get Output from model
     auto outputs = model->GetOutputs();
     std::vector<void *> output_device_buffers;
     ResourceGuard output_device_rel([&output_device_buffers]() {
       for (auto &item : output_device_buffers) {
         FreeDeviceMemory(item);
       }
     });
     if (SetOutputDeviceData(outputs, &output_device_buffers) != 0) {
       std::cerr << "Failed to set output device data" << std::endl;
       return -1;
     }
     if (Predict(model, inputs, &outputs) != 0) {
       return -1;
     }
   

Ascend后端GE推理

Ascend推理当前有两种对接方式。

一种为默认的ACL推理，ACL接口仅有全局和模型（图）级别的选项配置，多个图无法指示关联关系，多个图之间相对独立，不可共享权重（包括常量和变量）。如果模型存在可以变更的权重，即变量，变量需要先执行初始化，需要额外构建和执行初始化图，与计算图共享变量，由于多个图相对独立，使用默认的ACL推理时，模型不能存在变量。

ACL接口支持提前构建模型，加载时使用已构建的模型。

另一种为GE推理，GE接口存在全局、Session和模型（图）级别的选项配置，多个图可以在同一个Session中，在同一个Session中的图可以使能共享权重。在同一个Session中，可针对变量创建初始化图，与计算图共享变量。使用默认的GE推理时，模型可以存在变量。

当前GE接口不支持提前构建模型，加载时需要构建模型。

可以通过指定 provider 为 ge 使能GE。

import mindspore_lite as mslite
context = mslite.Context()
context.target = ["Ascend"]
context.ascend.device_id = 0
context.ascend.rank_id = 0
context.ascend.provider = "ge"
model = mslite.Model()
model.build_from_file("seq_1024.mindir", mslite.ModelType.MINDIR, context, "config.ini")

auto device_info = std::make_shared<mindspore::AscendDeviceInfo>();
if (device_info == nullptr) {
  std::cerr << "New AscendDeviceInfo failed." << std::endl;
  return -1;
}
// Set Atlas training series device id, rank id and provider.
device_info->SetDeviceID(0);
device_info->SetRankID(0);
device_info->SetProvider("ge");
// Device context needs to be push_back into device_list to work.
device_list.push_back(device_info);

mindspore::Model model;
if (model.LoadConfig("config.ini") != mindspore::kSuccess) {
  std::cerr << "Failed to load config file " << "config.ini" << std::endl;
  return -1;
}

// Build model
auto build_ret = model.Build("seq_1024.mindir", mindspore::kMindIR, context);
if (build_ret != mindspore::kSuccess) {
  std::cerr << "Build model error " << build_ret << std::endl;
  return -1;
}

在配置文件中，来自 [ge_global_options] 、 [ge_sesion_options] 和 [ge_graph_options] 中的选项将作为GE接口的全局、Session和模型（图）级别的选项，详情可参考GE选项。比如：

[ge_global_options]
ge.opSelectImplmode=high_precision

[ge_session_options]
ge.externalWeight=1

[ge_graph_options]
ge.exec.precision_mode=allow_fp32_to_fp16
ge.inputShape=x1:-1,3,224,224;x2:-1,3,1024,1024
ge.dynamicDims=1,1;2,2;3,3;4,4
ge.dynamicNodeType=1

多线程加载模型

硬件后端为Ascend，provider为默认时，支持多线程并发加载多个Ascend优化后模型，以提升模型加载性能。使用模型转换工具，指定 --optimize=ascend_oriented 可将MindSpore导出的 MindIR 模型、TensorFlow和ONNX等第三方框架模型转换为Ascend优化后模型。MindSpore导出的 MindIR 模型未进行Ascend优化，对于第三方框架模型，转换工具中如果指定 --optimize=none 产生的 MindIR 模型也未进行Ascend优化。

多模型共享权重

Ascend推理时，运行时指定 provider 为 ge 时，支持部署到同一张卡的多个模型共享权重，支持模型中存在可以被更新的权重。

针对相同的模型脚本，不同的条件分支或者不同的输入shape，使用相同的权重，可以导出不同的模型。多个模型共享权重时，在推理过程中，部分权重可以不再更新，我们将解析为常量，多个模型将拥有相同的常量权重。部分权重也可以发生变化，我们解析为变量，其中一个模型修改权重，本模型下次推理或其他模型推理可以使用和更新修改后的权重。

可以通过 ModelGroup 接口关联多个模型的共享权重的关系。

Python实现：

def load_model(model_path0, model_path1, config_file_0, config_file_1, rank_id, device_id):
    context = mslite.Context()
    context.ascend.device_id = device_id
    context.ascend.rank_id = rank_id  # for distributed model
    context.ascend.provider = "ge"
    context.target = ["Ascend"]
    model0 = mslite.Model()
    model1 = mslite.Model()

    model_group = mslite.ModelGroup(mslite.ModelGroupFlag.SHARE_WEIGHT)
    model_group.add_model([model0, model1])

    model0.build_from_file(model_path0, mslite.ModelType.MINDIR, context, config_file_0)
    model1.build_from_file(model_path1, mslite.ModelType.MINDIR, context, config_file_1)
    return model0, model1

C++实现：

std::vector<Model> LoadModel(const std::string &model_path0, const std::string &model_path1,
                             const std::string &config_file_0, const std::string &config_file_1,
                             uint32_t rank_id, uint32_t device_id) {
    auto context = std::make_shared<mindspore::Context>();
    if (context == nullptr) {
      std::cerr << "New context failed." << std::endl;
      return {};
    }
    auto &device_list = context->MutableDeviceInfo();
    auto device_info = std::make_shared<mindspore::AscendDeviceInfo>();
    if (device_info == nullptr) {
      std::cerr << "New AscendDeviceInfo failed." << std::endl;
      return {};
    }
    device_info->SetDeviceID(device_id);
    device_info->SetRankID(rank_id);
    device_info->SetProvider("ge");
    device_list.push_back(device_info);

    mindspore::Model model0;
    mindspore::Model model1;
    mindspore::ModelGroup model_group(mindspore::ModelGroupFlag::kShareWeight);
    model_group.AddModel({model0, model1});
    if (!model0.LoadConfig(config_file_0).IsOk()) {
      std::cerr << "Failed to load config file " << config_file_0 << std::endl;
      return {};
    }
    if (!model0.Build(model_path0, mindspore::ModelType::kMindIR, context).IsOk()) {
      std::cerr << "Failed to load model " << model_path0 << std::endl;
      return {};
    }
    if (!model1.LoadConfig(config_file_1).IsOk()) {
      std::cerr << "Failed to load config file " << config_file_1 << std::endl;
      return {};
    }
    if (!model1.Build(model_path1, mindspore::ModelType::kMindIR, context).IsOk()) {
      std::cerr << "Failed to load model " << model_path1 << std::endl;
      return {};
    }
    return {model0, model1};
}

上述配置的默认情况下多个模型仅共享了变量，共享常量时，需要在配置文件中配置权重外置选项。配置文件即上述例子的 config_file_0 和 config_file_1 。

[ge_session_options]
ge.externalWeight=1

实验特性

多后端异构能力

MindSpore Lite云侧推理正在支持多后端异构场景，可以通过在运行期间指定环境变量‘export ENABLE_MULTI_BACKEND_RUNTIME=on’来使能该特性，其他接口的使用方式与原流程一致。当前该特性为实验特性，不保证特性的正确性，稳定性和后续的兼容性。