亚马逊云科技自研AI芯片助力，高效低成本跑起人体姿态估计

一些童鞋可能知道，Amazon Inferentia是亚马逊云科技自行设计研发的AI专用芯片，可以用相较于传统GPU更高的性能和更低的成本进行机器学推理。目前一些Amazon EC2实例已经配备了这块芯片。不过具体来说，它的性能到底有多强？成本又能低多少？本文将通过人体姿态估计的实例向大家展示。

在本文中，我们将使用Amazon Neuron编译一套开源的TensorFlow版本的OpenPose，并针对基于Amazon Inferentia的实例对推理性能进行调优。与基于GPU的实例相比，我们需要在本演练中设置基准测试环境、衡量图像处理管道的吞吐量，并量化该系统的性价比改进情况。

关于OpenPose

人体姿态估计，属于一类机器学习（ML）与计算机视觉（CV）相结合的技术应用方向，可用于支持行人意图预估、AR和体育赛事中的运动跟踪等多种用例。姿态估计的核心在于识别图像（关节与关键点）的具体坐标，将这些坐标串连起来以构成一个人的骨骼表示。对身体姿态的准确表达，将成为机器人交互设计乃至运动姿态量化等应用目标的实现前提。

目前市面上存在诸多可用于人体姿态估计的方法，其中OpenPose采取深度学习凭借自下而上的方法（由卡耐基梅隆大学认知计算实验室于2018年发布）吸引到众多拥趸。OpenPose是一种多人2D姿态估计模型，其中采用一种称为“部位亲和域”（PAF）的技术对身体各部位进行关联，并借此在图像上建立起多个单独的骨架结构。在这种自下而上的方法中，模型能够识别出各个关键点，并据此将骨架结构拼凑在一起。

为了实现这一目标，OpenPose使用了两步式流程。首先，它使用VGG-19模型提取图像特征，并将这些特征传递至并行运行的一对卷积神经网络（CNN）当中。

其中一套CNN负责计算置信度图，借此检测图像中的各个身体部位。另一套CNN则计算PAF，并将各个部分合并起来，构成人体骨骼结构。我们可以多次重复这些并行分支，借此完善置信度图与PAF预测结果。

下图所示，为来自VGG的特征F，此特征被馈送至OpenPose模型的PAF与置信度图分支当中。（来源：使用部位亲和域进行实时多人2D姿态估计）

原始OpenPose代码依赖于Caffe模型与预统计的C++库。出于使用便捷性与可移植性的考虑，我们在本轮演练中使用GitHub repo中的tf-pose-estimation基于TensorFlow 1.15重新实现了OpenPose的神经网络。此Repo还提供ML管道脚本，大家可以用OpenPose对图像及视频进行预处理与后处理。

先决条件

在本轮演练中，需要准备一个有权访问亚马逊云科技 (Amazon Web Services）管理控制台的亚马逊云科技账户，同时保证有权限使用公开IP创建Amazon Elastic Compute Cloud (Amazon EC2) 实例和创建Amazon Simple Storage Service (Amazon S3)存储桶。

另外，如果熟悉如何使用 Amazon Deep Learning AMI与Jupyter notebooks中的Conda环境则更好，但并非硬性要求。

关于Amazon Inferentia与Neuron SDK

Amazon Inferentia芯片是一款由亚马逊云科技定制构建，旨在提供更高推理性能的芯片方案，能够立足云端实现最低推理成本，并帮助大家轻松将ML集成至标准应用程序功能当中。

AmazonNeuron是一款软件开发套件（SDK），由编译器、运行时以及配置文件工具共同组成，这些工具可进一步优化Inferentia芯片的ML推理性能。Neuron已经与TensorFlow、PyTorch以及MXNet等流行ML框架顺畅集成，且预装在Amazon Deep Learning AMI中。在Amazon Inferentia上部署深度学习模型的具体方式，与其他平台上的类似环境无甚区别，可以轻松享受到这款芯片带来的性能提升与成本优化。

在Amazon Neuron GitHub上发布的最新Neuron版本，增加了对更多模型（包括OpenPose）的支持选项，我们将在后文中重点加以介绍。此外，Neuron新版本还将Neuron PyTorch升级到最新稳定版（1.5.1），允许大家在Amazon Inferentia上编译并运行更多模型。

使用Neuron SDK编译TensorFlow OpenPose模型

我们可以在亚马逊云科技中设置EC2实例，借此开启模型编译流程。本文建议大家使用z1d.xlarge实例类型，其拥有出色的单核性能与内存容量。在US East（北弗吉尼亚州）区域内，使用Amazon Deep Learning AMI（Ubuntu 18.04）的29.0版本（ami-043f9aeaf108ebc37）。此AMI预打包有Neuron SDK以及Amazon Inferentia所需的Neuron运行时。

关于在EC2实例上运行Amazon Deep Learning AMI的更多详细信息，请参阅启动并配置DLAMI。

在通过SSH接入该实例时，可以激活aws_neuron_tensorflow_p36 Conda环境，并将Neuron编译器更新至最新版本。编译脚本的正常运行，依赖于requirements-compile.txt文件中列出的具体要求。关于编译脚本与需求文件，请参阅GitHub repo。我们可以使用以下代码，将其下载并安装至目标环境当中：

source activate aws_neuron_tensorflow_p36
pip install neuron-cc --upgrade --extra-index-url=https://pip.repos.neuron.amazonaws.com
git clone https://github.com/aws/aws-neuron-sdk.git /tmp/aws-neuron-sdk && cp /tmp/aws-neuron-sdk/src/examples/tensorflow/<name_of_the_new_folder>/* . && rm -rf /tmp/aws-neuron-sdk/
pip install -r requirements-compile.txt

接下来，我们就可以开始编译过程。我们可以编译tf-pose-estimation网络冻结图，在GitHub repo上可以找到。下面将下载到的原始脚本调整为单行wget命令：

wget -c --tries=2 $( wget -q -O - http://www.mediafire.com/file/qlzzr20mpocnpa3/graph_opt.pb | grep -o 'http*://download[^"]*' | tail -n 1 ) -O graph_opt.pb

当下载完成后，运行convert_graph_opt.py脚本以为Amazon Inferentia芯片编译。由于Neuron属于提前（AOT）编译器，大家需要在编译之前定义特定的图像大小。我们可以使用net_resolution参数（例如net_resolution=656x368）来调整网络输入图像的分辨率。

编译后的模型可以在推理运行过程中接受任意批次大小的输入。此属性可以对模型的大规模部署进行基准测试；但是，示例tf-pose-estimation repo中用于图像及视频处理管道的批次大小设置为1。

要开始编译流程，请输入以下代码：

python convert_graph_opt.py graph_opt.pb graph_opt_neuron_656x368.pb

编译流程最多可能需要20分钟。在此期间，编译器会优化TensorFlow图运算并为已保存的模型生成Amazon Inferentia版本。在编译过程中，系统会保留详尽的编译日志，例如：

2020-07-15 21:44:43.008627: I bazel-out/k8-opt/bin/tensorflow/neuron/convert/segment.cc:460] There are 11 ops of 7 different types in the graph that are not compiled by neuron-cc: Const, NoOp, Placeholder, RealDiv, Sub, Cast, Transpose, (For more information see https://github.com/aws/aws-neuron-sdk/blob/master/release-notes/neuron-cc-ops/neuron-cc-ops-tensorflow.md).
INFO:tensorflow:fusing subgraph neuron_op_ed41d2deb8c54255 with neuron-cc
INFO:tensorflow:Number of operations in TensorFlow session: 474
INFO:tensorflow:Number of operations after tf.neuron optimizations: 474
INFO:tensorflow:Number of operations placed on Neuron runtime: 465

在评估编译后的模型性能前，需要切换至由Amazon Inferentia芯片提供支持的EC2 Inf1实例。要在两个实例之间共享编译完成的模型，请使用以下代码创建一个S3存储桶：

aws s3 mb s3://<MY_BUCKET_NAME>
aws s3 cp graph_opt_neuron_656x368.pb s3://<MY_BUCKET_NAME>/graph_model.pb

在Amazon EC2 Inf1实例上使用Jupyter notebook对推理时间进行基准测试

在将编译完成的graph_model.pb模型保存在S3存储桶后，我们需要修改GitHub repo上的ML管道脚本，借此根据图像与视频估计人体姿态。

要设置基准Inf1实例，可以重复以上在z1d实例上配置编译的步骤。大家可以使用相同的AMI，只需要注意将实例类型更改为inf1.xlarge。本文建议使用g4dn.xlarge实例，在设置基本不变的情况下，这样的类型选择将帮助我们更直接地将运行在GPU上的基础tf-pose-estimation模型性能与Amazon Inferentia编译模型进行比较。

通过本文，我们将使用Jupyter Lab服务器与目标实例及模型进行交互。关于在Amazon EC2上配置Jupyter Lab的更多详细信息，请参阅如何设置Jupyter Notebook服务器。

为tf-pose设置Conda环境

在登录至Jupyter Lab服务器之后，即可克隆包含有TensorFlow版OpenPose的GitHub repo。

在Jupyter Launcher页面中的Other之下，选择Terminal。

在终端内，激活包含有Neuron SDK的aws_neuron_tensorflow_p36环境。环境激活与克隆操作需要使用以下代码：

conda activate aws_neuron_tensorflow_p36
git clone https://github.com/ildoonet/tf-pose-estimation.git
cd tf-pose-estimation

在克隆完成之后，建议按照软件包安装说明进行操作，分步完成Repo安装。在同一终端屏幕内，可以通过安装GitHub repo中requirements.txt文件所列出的opencv-python与依赖项进行环境定制。

需要运行两条Pip命令：第一条命令负责处理opencv-python；第二条负责完成requirements.txt中指定的安装步骤：

pip install opencv-python
pip install -r requirements.txt

现在，大家可以开始构建Notebook了。

在Repo的root目录中，选择Notebook，Environment（conda_aws_neuron_tensorflow_p36）以创建一个新的Jupyter notebook。在Notebook的第一个单元格中，导入run.py脚本中定义的库 —— 此脚本将作为图像处理的参考管道。在后续单元格中，创建一个记录器以记录基准测试结果。详见以下代码：

import argparse
import logging
import sys
import time
from tf_pose import common
import cv2
import numpy as np
from tf_pose.estimator import TfPoseEstimator
from tf_pose.networks import get_graph_path, model_wh
logger = logging.getLogger('TfPoseEstimatorRun')
logger.handlers.clear()
logger.setLevel(logging.DEBUG)
ch = logging.StreamHandler()
ch.setLevel(logging.DEBUG)
formatter = logging.Formatter('[%(asctime)s] [%(name)s] [%(levelname)s] %(message)s')
ch.setFormatter(formatter)
logger.addHandler(ch)

定义主要推理函数main()与辅助绘图函数plotter()。这些函数是直接从run.py处复制的OpenPose推理管道。我们需要对其做出简单修改，即添加repeats参数，借此依次运行多个推理步骤并改进对平均模型吞吐量的度量能力（以每张图像的处理秒数为单位）：

def main(argString='--image ./images/contortion1.jpg --model cmu', repeats=10):
 parser = argparse.ArgumentParser(description='tf-pose-estimation run')
 parser.add_argument('--image', type=str, default='./images/apink2.jpg')
 parser.add_argument('--model', type=str, default='cmu',
 help='cmu / mobilenet_thin / mobilenet_v2_large / mobilenet_v2_small')
 parser.add_argument('--resize', type=str, default='0x0',
 help='if provided, resize images before they are processed. '
 'default=0x0, Recommends : 432x368 or 656x368 or 1312x736 ')
 parser.add_argument('--resize-out-ratio', type=float, default=2.0,
 help='if provided, resize heatmaps before they are post-processed. default=1.0')
 args = parser.parse_args(argString.split())
 w, h = model_wh(args.resize)
 if w == 0 or h == 0:
 e = TfPoseEstimator(get_graph_path(args.model), target_size=(432, 368))
 else:
 e = TfPoseEstimator(get_graph_path(args.model), target_size=(w, h))
 # estimate human poses from a single image !
 image = common.read_imgfile(args.image, None, None)
 if image is None:
 logger.error('Image can not be read, path=%s' % args.image)
 sys.exit(-1)
 t = time.time()
 for _ in range(repeats):
 humans = e.inference(image, resize_to_default=(w > 0 and h > 0), upsample_size=args.resize_out_ratio)
 elapsed = time.time() - t
 logger.info('%d times inference on image: %s at %.4f seconds/image.' % (repeats, args.image, elapsed/repeats))
 image = TfPoseEstimator.draw_humans(image, humans, imgcopy=False)
 return image, e
def plotter(image):
 try:
 import matplotlib.pyplot as plt
 fig = plt.figure(figsize=(12,12))
 a = fig.add_subplot(1, 1, 1)
 a.set_title('Result')
 plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
 except Exception as e:
 logger.warning('matplitlib error, %s' % e)
 cv2.imshow('result', image)
 cv2.waitKey()

另外，如果比较喜欢冒险，也可以根据run_video.py或run_directory.py修改用于推理视频或批量图像的代码结构。本轮演练仅供参考，大家不妨放松心态，尽情尝试！

其中main()函数会将GitHub repo中Test Inference部分描述的参数字符串作为输入。要测试Notebook的实现效果，请使用一组参考参数（请使用原始下载脚本以确保下载cmu模型）：

img, e = main('--model cmu --resize 656x368 --image=./images/ski.jpg --resize-out-ratio 2.0')
plotter(img)

日志内容显示，第一个多人姿态分析任务已经完成：

‘[TfPoseEstimatorRun] [INFO] 10 times inference on image: ./images/ski.jpg at 1.5624 seconds/image.’

可以看到，当前吞吐量每秒不足一帧（FPS），代表性能表现比较差。在这种情况下，我们实际是未使用GPU资源运行TesnorFlow图–model cmu。很多朋友都清楚，这类模型在CPU上无法获得最佳运行性能。如果重复设置步骤，并选择使用搭载英伟达T4 GPU的g4dn.xlarge实例，则结果将大为不同：

‘[TfPoseEstimatorRun] [INFO] 10 times inference on image: ./images/ski.jpg at 0.1708 seconds/image’

结果显示5.85 FPS，性能得到了显著提升。

使用Neuron编译完成的CMU模型

到这里，我们已经使用了repo自带的模型工件。接下来，我们换一种方式：不再使用原始下载脚本来获取CMU模型，而是将Neuron编译完成的模型复制到./models/graph/cmu/graph_model.pb，而后再次运行测试：

aws s3 cp s3://<MY_BUCKET_NAME>/graph_opt.pb ./models/graph/cmu/graph_model.pb

如果之前已经对未经Neuron编译的模型进行过测试，请确保在Notebook上重新启动Python内核。重新启动内核，能够保证关闭所有TensorFlow会话，为基准测试提供完全等效的空白环境。再次运行同一Notebook，将得到以下日志条目：

‘[TfPoseEstimatorRun] [INFO] 10 times inference on image: ./images/ski.jpg at 0.1709 seconds/image.’

结果显示，与g4dn.xlarge实例相比，新环境能够在降低约30%运营成本的前提下实现相同的帧速率。这意味着将工作负载转移至基于Amazon Inferentia的实例虽然无法在吞吐量层面带来直观可见的性能提升，但却确实具有成本优势。例如，当迁移至Amazon Inferentia时，Amazon Alexa文本到语音转换团队得以将推理成本降低达50%。

我们决定剖析已编译的图版本，并进一步寻求对OpenPose管道进行端到端推理性能调优的空间。Neuron与TensorFlow相集成之后，可实现对本地配置文件库的访问。要剖析Neuron编译图，我们使用TensorFlow Python分析器，在estimator方法上检测TensorFlow会话所运行的命令：

from tensorflow.core.protobuf import config_pb2
from tensorflow.python.profiler import model_analyzer, option_builder
run_options = config_pb2.RunOptions(trace_level=config_pb2.RunOptions.FULL_TRACE)
run_metadata = config_pb2.RunMetadata()
peaks, heatMat_up, pafMat_up = self.persistent_sess.run(
 [self.tensor_peaks, self.tensor_heatMat_up, self.tensor_pafMat_up], feed_dict={
 self.tensor_image: [img], self.upsample_size: upsample_size
 },
 options=run_options, run_metadata=run_metadata
)
options = option_builder.ProfileOptionBuilder.time_and_memory()
model_analyzer.profile(self.persistent_sess.graph, run_metadata, op_log=None, cmd='scope', options=options)
The model_analyzer.profile method prints on StdErr the time and

其中model_analyzer.profile方法会在StdErr上输出TensorFlow图上各项操作所对应的时间与内存消耗。使用原始代码，Neuron操作与平滑操作占据整个图运行时间中的大部分比例。以下StdErr日志输出结果显示，总图运行时间为108.02毫秒，其中平滑操作耗费43.07毫秒：

node name | requested bytes | total execution time | accelerator execution time | cpu execution time
_TFProfRoot (--/16.86MB, --/108.02ms, --/0us, --/108.02ms)
…
 TfPoseEstimator/conv5_2_CPM_L1/weights/neuron_op_ed41d2deb8c54255 (430.01KB/430.01KB, 58.42ms/58.42ms, 0us/0us, 58.42ms/58.42ms)
…
smoothing (0B/2.89MB, 0us/43.07ms, 0us/0us, 0us/43.07ms)
 smoothing/depthwise (2.85MB/2.85MB, 43.05ms/43.05ms, 0us/0us, 43.05ms/43.05ms)
 smoothing/gauss_weight (47.50KB/47.50KB, 18us/18us, 0us/0us, 18us/18us)
…

其中，OpenPose中平滑方法提供针对置信度图计算得出的高斯模糊结果。通过对此项计算进行优化，我们能够从端到端姿态估计当中榨取出更好的性能。我们将estimator.py脚本上的平滑器filter参数从25修改为5。在使用新配置之后，总运行时间降低至67.44毫秒，其中平滑计算如今只需要2.37毫秒 —— 时间节约量达37%！而在g4dn实例上，相同的优化对于运行时间几乎没有任何影响。大家还可以更改同一参数，并通过本地副本重新安装tf-pose-estimation repo的方式优化端到端管道版本。

我们使用七种不同的实例类型与大小运行了同一项基准测试，借此评估端到端图像处理管道的性能与推理成本优化效果。为了进行直观比较，我们还纳入了Amazon EC2按需实例的计费指标。

结果显示，即使是Inf1实例中最小的xlarge实例，其吞吐量也要比g4dn实例中最强劲的8xlarge实例高2倍，且处理1000张图像的成本仅为后者的十二分之一。对比最优的两个选项，inf1.xlarge和g4dn.xlarge（成本最低的GPU选项），Inf1能够将每1000张图像的处理成本较g4dn.xlarge降低72%，相当于性价比提升3.57倍。下表整理了此次基准测试的各项发现：

	inf1.xlarge	inf1.2xlarge	inf1.6xlarge	g4dn.xlarge	_g4dn.2xlarge	_g4dn.4xlarge	_g4dn.8xlarge
图像处理时间（秒/图像）	0.0703	0.0677	0.0656	0.1708	0.1526	0.1477	0.1427
吞吐量（FPS）	14.22	14.77	15.24	5.85	6.55	6.77	7.01
1000张图像处理时间（秒）	70.3	67.7	65.6	170.8	152.6	147.7	142.7
按需实例价格	$ 0.368	$ 0.584	$ 1.904	$ 0.526	$ 0.752	$ 1.204	$ 2.176
每1000张图像处理成本	$ 2.176	$ 0.011	$ 0.035	$ 0.025	$ 0.032	$ 0.049	$ 0.086

以下图表，总结了xlarge与2xlarge实例在处理1000张图像时的吞吐量与成本情况。

通过在端到端管道中引入数据并行处理方法，我们又进一步降低了Inf1实例的图像处理成本并提升了tf-pose-estimation吞吐量。上表中列出的数值，与单一Amazon Inferentia处理核心（即Neuron核心）的使用方式有关。基准实例中包含4个核心，因此仅使用其中1个显然会产生资源浪费。我们使用Python joblib库以比较粗糙的方式将main ()函数调用实现并发扩展至四个线程当中。这种模式能够将吞吐量提升至56.88FPS，并将每1000张图像的成本降低至0.002美元以下。这意味着更好的批处理策略可以让OpenPose在AWS Inferentia实例上的运行性价比得到更进一步的改善。

规模较大的CMU模型还能提供更好的姿态估计性能。例如，大家可以在包含多重景深与相应拍摄对象的场景下（参见下图），使用Neuron SDK编译模型进行多姿态检测。

安全关闭并进行资源清理

在Amazon EC2控制台上选择编译与推理实例，而后从Actions下拉菜单中选择Terminate。编译之后的模型将被保存在s3://_<MY_BUCKET_NAME>_当中以备后续重复使用。如果对实例中的代码做出了更改，也请注意进行保存。实例终止仅会导致存储在实例主卷内的数据丢失。

总结
在本文中，我们分步完成了对OpenPose TensorFlow版开源模型的编译，更新自定义端到端图像处理管道，并体验了能够在EC2 Infi1实例之上对ML推理时间做出分析及深度优化的工具。在调优之后，Neuron编译的TensorFlow模型较现有费率最低的GPU实例实现72%的成本节约，且性能仍旧保持一致。本文中阐述的各项操作步骤，也适用于其他ML模型类型与框架。关于更多详细信息，请参阅Amazon Neuron SDK GitHub repo。

感兴趣的朋友可以参阅关于Amazon Inferentia芯片与Amazon EC2 Inf1实例的更多详细信息，使用Neuron SDK在Amazon Inferentia上运行自己的定制化ML管道。