编译MindSpore Lite

查看源文件

本章节介绍如何快速编译出MindSpore Lite。

MindSpore Lite包含模块:

模块

支持平台

说明

converter

Linux, Windows

模型转换工具

runtime(cpp、java)

Linux, Windows, Android, iOS

模型推理框架(Windows平台不支持java版runtime)

benchmark

Linux, Windows, Android

基准测试工具

benchmark_train

Linux, Android

性能测试和精度校验工具

cropper

Linux

libmindspore-lite.a静态库裁剪工具

minddata

Linux, Android

图像处理库

codegen

Linux

模型推理代码生成工具

obfuscator

Linux

模型混淆工具

Linux环境编译

环境要求

  • 系统环境:Linux x86_64,推荐使用Ubuntu 18.04.02LTS

  • C++编译依赖

    • GCC >= 7.3.0

    • CMake >= 3.18.3

    • Git >= 2.28.0

    • Android_NDK >= r20

      • 配置环境变量:export ANDROID_NDK=NDK路径

  • Java API模块的编译依赖(可选),未设置JAVA_HOME环境变量则不编译该模块。

    • Gradle >= 6.6.1

      • 配置环境变量:export GRADLE_HOME=GRADLE路径export GRADLE_USER_HOME=GRADLE路径

      • 将bin目录添加到PATH中:export PATH=${GRADLE_HOME}/bin:$PATH

    • Maven >= 3.3.1

      • 配置环境变量:export MAVEN_HOME=MAVEN路径

      • 将bin目录添加到PATH中:export PATH=${MAVEN_HOME}/bin:$PATH

    • OpenJDK 1.8 到 1.15

      • 配置环境变量:export JAVA_HOME=JDK路径

      • 将bin目录添加到PATH中:export PATH=${JAVA_HOME}/bin:$PATH

    • Android SDK

      • 创建一个新目录,配置环境变量export ANDROID_SDK_ROOT=新建的目录

      • 下载SDK Tools,解压缩后进入cmdline-tools/bin目录,通过sdkmanager创建SDK:./sdkmanager --sdk_root=${ANDROID_SDK_ROOT} "cmdline-tools;latest"

      • 通过${ANDROID_SDK_ROOT}目录下的sdkmanager接受许可证:yes | ./sdkmanager --licenses

  • Python API模块的编译依赖(可选),未安装Python3或者NumPy则不编译该模块。

    • Python >= 3.7.0

    • NumPy >= 1.17.0 (如果用pip安装失败,请先升级pip版本:python -m pip install -U pip)

Gradle建议采用gradle-6.6.1-complete版本,配置其他版本gradle将会采用gradle wrapper机制自动下载gradle-6.6.1-complete

也可直接使用已配置好上述依赖的Docker编译镜像。

  • 下载镜像:docker pull swr.cn-south-1.myhuaweicloud.com/mindspore-build/mindspore-lite:ubuntu18.04.2-20210530

  • 创建容器:docker run -tid --net=host --name=docker01 swr.cn-south-1.myhuaweicloud.com/mindspore-build/mindspore-lite:ubuntu18.04.2-20210530

  • 进入容器:docker exec -ti -u 0 docker01 bash

编译选项

MindSpore根目录下的build.sh脚本可用于MindSpore Lite的编译。

build.sh的参数使用说明

参数

参数说明

取值范围

默认值

-I

选择目标架构

arm64、arm32、x86_64

-A

编译AAR包(包含arm32和arm64)

on、off

off

-d

设置该参数,则编译Debug版本,否则编译Release版本

-i

设置该参数,则进行增量编译,否则进行全量编译

-j[n]

设定编译时所用的线程数,否则默认设定为8线程

Integer

8

-a

是否启用AddressSanitizer

on、off

off

  • 编译x86_64版本时,若配置了JAVA_HOME环境变量并安装了Gradle,则同时编译JAR包。

  • -I参数变动时,如-I x86_64变为-I arm64,添加-i参数进行增量编译不生效。

  • 编译AAR包时,必须添加-A on参数,且无需添加-I参数。

模块构建编译选项

模块的构建通过环境变量进行控制,用户可通过声明相关环境变量,控制编译构建的模块。在修改编译选项后,为使选项生效,在使用‵build.sh‵脚本进行编译时,不可添加-i参数进行增量编译。

  • 通用模块编译选项

选项

参数说明

取值范围

默认值

MSLITE_GPU_BACKEND

设置GPU后端,在-I arm64时仅opencl有效,在-I x86_64时仅tensorrt有效

opencl、tensorrt、off

-I arm64时为opencl, 在-I x86_64时为off

MSLITE_ENABLE_NPU

是否编译NPU算子,仅在-I arm64-I arm32时有效

on、off

off

MSLITE_ENABLE_TRAIN

是否编译训练版本

on、off

on

MSLITE_ENABLE_SSE

是否启用SSE指令集,仅在-I x86_64时有效

on、off

off

MSLITE_ENABLE_AVX

是否启用AVX指令集,仅在-I x86_64时有效

on、off

off

MSLITE_ENABLE_AVX512

是否启用AVX512指令集,仅在-I x86_64时有效

on、off

off

MSLITE_ENABLE_CONVERTER

是否编译模型转换工具,仅在-I x86_64时有效

on、off

on

MSLITE_ENABLE_TOOLS

是否编译配套工具

on、off

on

MSLITE_ENABLE_TESTCASES

是否编译测试用例

on、off

off

MSLITE_ENABLE_MODEL_ENCRYPTION

是否支持模型加解密

on、off

off

MSLITE_ENABLE_GITEE_MIRROR

是否使能三方库从码云镜像下载

on、off

off

  • TensorRT 和 NPU 的编译环境配置,参考专用芯片集成说明

  • 启用AVX指令集时,需要运行环境的CPU同时支持avx特性和fma特性。

  • 模型转换工具的编译时间较长,若非必要,建议通过MSLITE_ENABLE_CONVERTER关闭转换工具编译,以加快编译速度。

  • 解密所需的OpenSSL加密库crypto支持的版本为1.1.1k,需要用户自行下载编译,相关方法可参考:https://github.com/openssl/openssl#build-and-install。此外,还需要将libcrypto.so.1.1文件的路径加入到LD_LIBRARY_PATH中。

  • runtime功能裁剪编译选项

若用户对框架包大小敏感,可通过配置以下选项,对runtime模型推理框架进行功能裁剪,以减少包大小,之后,用户可再通过裁剪工具进行算子裁剪以进一步减少包大小。

选项

参数说明

取值范围

默认值

MSLITE_ENABLE_STRING_KERNEL

是否支持string数据推理模型,如smart_reply.tflite模型

on、off

on

MSLITE_ENABLE_CONTROLFLOW

是否支持控制流模型

on、off

on

MSLITE_ENABLE_WEIGHT_DECODE

是否支持权重量化模型推理

on、off

on

MSLITE_ENABLE_CUSTOM_KERNEL

是否支持南向算子注册

on、off

on

MSLITE_ENABLE_DELEGATE

是否支持Delegate机制

on、off

on

MSLITE_ENABLE_FP16

是否支持FP16算子

on、off

-I x86_64时off,在-I arm64时on,在-I arm32时,若Android_NDK版本大于r21e,则on,否则off

MSLITE_ENABLE_INT8

是否支持INT8算子

on、off

on

  • 由于NPU和TensorRT的实现依赖于Delegate机制,所以在使用NPU或TensorRT时无法关闭Delegate机制,如果关闭了Delegate机制,则相关功能也必须关闭。

编译示例

首先,在进行编译之前,需从MindSpore代码仓下载源码。

git clone https://gitee.com/mindspore/mindspore.git -b r1.10

然后,在源码根目录下执行如下命令,可编译不同版本的MindSpore Lite。

  • 编译x86_64架构版本,同时设定线程数。

    bash build.sh -I x86_64 -j32
    
  • 编译ARM64架构版本,不编译训练相关的代码。

    export MSLITE_ENABLE_TRAIN=off
    bash build.sh -I arm64 -j32
    

    或者修改mindspore/lite/CMakeLists.txt将 MSLITE_ENABLE_TRAIN 设置为 off 后,执行命令:

    bash build.sh -I arm64 -j32
    
  • 编译包含aarch64和aarch32的AAR包。

    bash build.sh -A on -j32
    

最后,会在output/目录中生成如下文件:

  • mindspore-lite-{version}-{os}-{arch}.tar.gz:包含runtime和配套工具。

  • mindspore-lite-maven-{version}.zip:包含runtime(java)的AAR包。

  • version: 输出件版本号,与所编译的分支代码对应的版本一致。

  • os: 输出件应部署的操作系统。

  • arch: 输出件应部署的系统架构。

目录结构

  • 当编译选项为-I x86_64时:

    mindspore-lite-{version}-linux-x64
    ├── runtime
    │   ├── include
    │   ├── lib
    │   │   ├── libminddata-lite.a         # 图像处理静态库
    │   │   ├── libminddata-lite.so        # 图像处理动态库
    │   │   ├── libmindspore-lite.a        # MindSpore Lite推理框架的静态库
    │   │   ├── libmindspore-lite-jni.so   # MindSpore Lite推理框架的jni动态库
    │   │   ├── libmindspore-lite.so       # MindSpore Lite推理框架的动态库
    │   │   ├── libmindspore-lite-train.a  # MindSpore Lite训练框架的静态库
    │   │   ├── libmindspore-lite-train.so # MindSpore Lite训练框架的动态库
    │   │   ├── libmsdeobfuscator-lite.so  # 混淆模型加载动态库文件,需开启`ENABLE_MODEL_OBF`选项。
    │   │   └── mindspore-lite-java.jar    # MindSpore Lite推理框架jar包
    │   └── third_party
    │       └── libjpeg-turbo
    └── tools
        ├── benchmark       # 基准测试工具
        ├── benchmark_train # 训练模型性能与精度调测工具
        ├── codegen         # 代码生成工具
        ├── converter       # 模型转换工具
        ├── obfuscator      # 模型混淆工具
        └── cropper         # 库裁剪工具
    
  • 当编译选项为-I arm64-I arm32时:

    mindspore-lite-{version}-android-{arch}
    ├── runtime
    │   ├── include
    │   ├── lib
    │   │   ├── libminddata-lite.a         # 图像处理静态库
    │   │   ├── libminddata-lite.so        # 图像处理动态库
    │   │   ├── libmindspore-lite.a        # MindSpore Lite推理框架的静态库
    │   │   ├── libmindspore-lite.so       # MindSpore Lite推理框架的动态库
    │   │   ├── libmindspore-lite-train.a  # MindSpore Lite训练框架的静态库
    │   │   ├── libmindspore-lite-train.so # MindSpore Lite训练框架的动态库
    │   │   └── libmsdeobfuscator-lite.so  # 混淆模型加载动态库文件,需开启`ENABLE_MODEL_OBF`选项。
    │   └── third_party
    │       ├── hiai_ddk
    │       └── libjpeg-turbo
    └── tools
        ├── benchmark       # 基准测试工具
        ├── benchmark_train # 训练模型性能与精度调测工具
        └── codegen         # 代码生成工具
    
  • 当编译选项为-A on时:

    mindspore-lite-maven-{version}
    └── mindspore
        └── mindspore-lite
            └── {version}
                └── mindspore-lite-{version}.aar # MindSpore Lite推理框架aar包
    

Windows环境编译

环境要求

  • 系统环境:Windows 7,Windows 10;64位。

  • MinGW 编译依赖

  • Visual Studio 编译依赖

    • Visual Studio = 2017,已自带cmake。

    • 编译64位:进入开始菜单,点击“适用于 VS 2017 的 x64 本机工具命令提示”,或者打开cmd窗口,执行call "C:\Program Files (x86)\Microsoft Visual Studio\2017\Profession\VC\Auxiliary\Build\vcvars64.bat"

    • 编译32位:进入开始菜单,点击“VS 2017的 x64_x86 交叉工具命令提示符”,或者打开cmd窗口,执行call "C:\Program Files (x86)\Microsoft Visual Studio\2017\Profession\VC\Auxiliary\Build\vcvarsamd64_x86.bat"

编译选项

MindSpore根目录下的build.bat脚本可用于MindSpore Lite的编译。

build.bat的编译参数

参数

参数说明

是否必选

lite

设置该参数,则对MindSpore Lite工程进行编译

[n]

设定编译时所用的线程数,否则默认设定为6线程

mindspore/lite/CMakeLists.txt的选项

选项

参数说明

取值范围

默认值

MSLITE_ENABLE_SSE

是否启用SSE指令集

on、off

off

MSLITE_ENABLE_AVX

是否启用AVX指令集(该选项暂不支持Visual Studio编译器)

on、off

off

MSLITE_ENABLE_AVX512

是否启用AVX512指令集(该选项暂不支持Visual Studio编译器)

on、off

off

MSLITE_ENABLE_CONVERTER

是否编译模型转换工具(该选项暂不支持Visual Studio编译器)

on、off

on

MSLITE_ENABLE_TOOLS

是否编译配套工具

on、off

on

MSLITE_ENABLE_TESTCASES

是否编译测试用例

on、off

off

MSLITE_ENABLE_GITEE_MIRROR

是否使能三方库从码云镜像下载

on、off

off

  • 以上选项可通过设置同名环境变量或者mindspore/lite/CMakeLists.txt文件修改。

  • 模型转换工具的编译时间较长,若非必要,建议通过MSLITE_ENABLE_CONVERTER关闭转换工具编译,以加快编译速度。

编译示例

首先,使用git工具,从MindSpore代码仓下载源码。

git clone https://gitee.com/mindspore/mindspore.git -b r1.10

然后,使用cmd工具在源码根目录下,执行如下命令即可编译MindSpore Lite。

  • 打开SSE指令集优化,以8线程编译。

set MSLITE_ENABLE_SSE=on
call build.bat lite 8

最后,会在output/目录中生成如下文件:

  • mindspore-lite-{version}-win-x64.zip:包含模型推理框架runtime和配套工具。

version:输出件版本号,与所编译的分支代码对应的版本一致。

目录结构

  • 当编译器为 MinGW 时:

    mindspore-lite-{version}-win-x64
    ├── runtime
    │   ├── include
    │   └── lib
    │       ├── libgcc_s_seh-1.dll      # MinGW动态库
    │       ├── libmindspore-lite.a     # MindSpore Lite推理框架的静态库
    │       ├── libmindspore-lite.dll   # MindSpore Lite推理框架的动态库
    │       ├── libmindspore-lite.dll.a # MindSpore Lite推理框架的动态库的链接文件
    │       ├── libssp-0.dll            # MinGW动态库
    │       ├── libstdc++-6.dll         # MinGW动态库
    │       └── libwinpthread-1.dll     # MinGW动态库
    └── tools
        ├── benchmark # 基准测试工具
        └── converter # 模型转换工具
    
  • 当编译器为 Visual Studio 时:

    mindspore-lite-{version}-win-x64
    ├── runtime
    │   ├── include
    │   └── lib
    │       ├── libmindspore-lite.dll     # MindSpore Lite推理框架的动态库
    │       ├── libmindspore-lite.dll.lib # MindSpore Lite推理框架的动态库的导入库
    │       └── libmindspore-lite.lib     # MindSpore Lite推理框架的静态库
    └── tools
        └── benchmark # 基准测试工具
    
  • 链接 MinGW 编译出的静态库时,需要在链接选项中,加-Wl,--whole-archive mindspore-lite -Wl,--no-whole-archive

  • 链接 Visual Studio 编译出的静态库时,需要在“属性->链接器->命令行->其它选项”中,加/WHOLEARCHIVE:libmindspore-lite.lib

  • 使用 Visual Studio 编译器时,读入 model 流必须加 std::ios::binary,否则会出现读取模型文件不完整的问题。

  • 暂不支持在 Windows 进行端侧训练。

macOS环境编译

环境要求

  • 系统环境:macOS 10.15.4及以上;64位。

  • 编译依赖

  • 编译脚本中会执行git clone获取第三方依赖库的代码。

编译选项

MindSpore根目录下的build.sh脚本可用于MindSpore Lite的编译。

build.sh的编译参数

参数

参数说明

取值范围

默认值

-I

选择目标架构

arm64、arm32

-j[n]

设定编译时所用的线程数,否则默认设定为8线程

Integer

8

mindspore/lite/CMakeLists.txt的选项

选项

参数说明

取值范围

默认值

MSLITE_ENABLE_COREML

是否启用CoreML后端推理

on、off

off

编译示例

首先,在进行编译之前,需从MindSpore代码仓下载源码。

git clone https://gitee.com/mindspore/mindspore.git -b r1.10

然后,在源码根目录下执行如下命令即可编译MindSpore Lite。

  • 编译ARM64架构版本。

    bash build.sh -I arm64 -j8
    
  • 编译ARM32架构版本。

    bash build.sh -I arm32 -j8
    

最后,会在output/目录中生成如下文件:

  • mindspore-lite-{version}-{os}-{arch}.tar.gz:包含模型推理框架runtime。

  • version: 输出件版本号,与所编译的分支代码对应的版本一致。

  • os: 输出件应部署的操作系统。

  • arch: 输出件应部署的系统架构。

目录结构

mindspore-lite.framework
└── runtime
    ├── Headers        # 推理框架头文件
    ├── Info.plist     # 配置文件
    └── mindspore-lite # 静态库

暂不支持在macOS进行端侧训练与转换工具。