编译MindSpore Lite

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路径和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	无
-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	无	无
-i	设置该参数，则进行增量编译，否则进行全量编译	无	无
-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。

在-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	在`-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`或`-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

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

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_V0	是否兼容1.1.0之前版本导出的模型	on、off	on
MSLITE_ENABLE_FP16	是否支持FP16算子	on、off	在`-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 r1.7

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或-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
- CMake >= 3.18.3
- 编译64位：MinGW-W64 x86_64 = GCC-7.3.0
- 编译32位：MinGW-W64 i686 = GCC-7.3.0
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	是
[n]	设定编译时所用的线程数，否则默认设定为6线程	否

`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

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 r1.7

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
- CMake >= 3.18.3
- Xcode == 11.4.1
- Git >= 2.28.0

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	无
-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

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 r1.7

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。

编译MindSpore Lite

Linux环境编译

环境要求

编译选项

build.sh的参数使用说明

模块构建编译选项

编译示例

目录结构

Windows环境编译

环境要求

编译选项

build.bat的编译参数

mindspore/lite/CMakeLists.txt的选项

编译示例

目录结构

macOS环境编译

环境要求

编译选项

build.sh的编译参数

编译示例

目录结构

`build.sh`的参数使用说明

`build.bat`的编译参数

`mindspore/lite/CMakeLists.txt`的选项

`build.sh`的编译参数