pytorch网络预处理与后处理中基于numpy操作的GPU加速

背景

站在用户的角度思考问题，与客户深入沟通，找到宝塔网站设计与宝塔网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站建设、网站建设、企业官网、英文网站、手机端网站、网站推广、国际域名空间、虚拟空间、企业邮箱。业务覆盖宝塔地区。

python脚本运行在服务器端的卷积神经网络往往需要将图片数据从cv2(numpy.ndarray)->tensor送入网络，之后进行inference，再将结果从tensor-> numpy.ndarray的过程。

由于cv2读取的数据存于内存中，以pytorch框架举例，在把数据送入GPU前会产生如下的数据转换：

GPU准备进行inference之前会判断torch.cuda.FloatTensor是否已经处于显存内，如果没有的话会隐式调用内存与显存中的数据转存协议方法.async_copy()函数，将数据转存至GPU显存中，但该部分往往需要消耗大量时间。

对策：直接在GPU显存中开辟空间

应用库：cupy、dlpack

一、前处理

通常pytorch前处理如下：

# 内存分配torch.FloatTensor空间

batch_input = torch.zeros(len(image_list), 3, target_height, target_width)

for index in range(len(image_list)):

# image->numpy.ndarray

img = cv2.resize(image_list[index].copy(), (target_width, target_height))

# uint8->float32

t_img = np.asarray(img, np.float32)

#转置

m_img = t_img.transpose((2, 0, 1))

#numpy.ndarray->torch.FloatTensor + 图像正则化

n_img = transform(torch.from_numpy(m_img))

#组成batch data

batch_input[index, :] = n_img

# torch.FloatTensor-> torch.cuda.FloatTensor

batch_input.cuda()

如果将此batch送入GPU，则会发生如图1所示的数据转换。

现用cupy来取代numpy操作:

import cupy as cp

# GPU显存分配cupy batch_data空间

batch_input = cp.zeros((len(image_list), 3, target_height, target_width), dtype=cp.float32)

for index in range(len(image_list)):

# image->cupy.ndarray

img = cv2.resize(image_list[index], (target_width, target_height))

# numpy.uint8 -> cupy.float32

t_img = cp.asarray(img, cp.float32)

# 转置(cupy层面)

m_img = t_img.transpose((2, 0, 1))

# 图像正则化

n_img = gpu_transform(m_img)

# 组成 batch data

batch_input[index, :] = n_img

# cupy.ndarray -> torch.cuda.FloatTensor

batch_data = from_dlpack(toDlpack(batch_input)).cuda()

此时过程转换为：

说明几点：

1.1由于cupy直接在GPU显存中分配空间，不需要隐式调用.async_copy()将数据调入显存内，可见时间对比：

隐式调用GPU前传时间如下图：

非隐式调用GPU前传时间如下图：

1.2 cupy.ndarray到torch.cuda.FloatTensor没办法直接转换，需要中间转换格式dlpack，具体转换如下

rom cupy.core.dlpack import toDlpack

from cupy.core.dlpack import fromDlpack

from torch.utils.dlpack import to_dlpack

from torch.utils.dlpack import from_dlpack

import torch郑州妇科医院 http://www.sptdfk.com/

#tensor->cupy

cupy_data = fromDlpack(to_dlpack(tensor_data))

#cupy->tensor

tensor_data = from_dlpack(toDlpack(cupy_data))

1.3 在pytorch框架中，有的工程需要图像正则化，有的不需要。当网络前传时若需要图像正则化(一般为减均值与除方差)，一般选用的是torchvision.transform。但是该内置函数只接受CPU端的torch.FloatTensor，这就意味着若要使用内置transform函数，就需要将cupy GPU数据先转成CPU的torch.FloatTensor，势必会造成数据转换资源浪费。重写transform函数：

self.mean = cp.array([102.9801, 115.9465, 122.7717])

self.std = cp.array([1., 1., 1.])

def gpu_transform(self, img):

for index in range(img.shape[0]):

img[index,:] -= self.mean[index]

img[index, :] /= self.std[index]

return img

以上过程全部都在GPU内运行，时间几乎可以忽略

二、后处理

此部分适用于分割网络，即需要预先在GPU端分配生成的mask空间。通常做法分配torch.cuda.FloatTensor空间，隐式调用.async_copy()送入GPU，同样会消耗很多时间。类似于前处理，可以利用cupy生成mask空间，再转torch.cuda.FloatTensor。

mask_gpu= from_dlpack(toDlpack(cp.zeros((len(image_list), self.num_classes, ori_img_size[0], ori_img_size[1]), dtype=cp.float32))).cuda()

pytorch分配mask时间

cupy分配mask时间

三、cupy与常规前后处理时间对比