pytorch 網絡預處理與后處理中基于numpy操作的GPU加速

　　背景

　　python腳本運行在服務器端的卷積神經網絡往往需要將圖片數據從cv2(numpy.ndarray)->tensor送入網絡，之后進行inference，再將結果從tensor-> numpy.ndarray的過程。

　　由于cv2讀取的數據存于內存中，以pytorch框架舉例，在把數據送入GPU前會產生如下的數據轉換：

　　GPU準備進行inference之前會判斷torch.cuda.FloatTensor是否已經處于顯存內，如果沒有的話會隱式調用內存與顯存中的數據轉存協議方法.async_copy()函數，將數據轉存至GPU顯存中，但該部分往往需要消耗大量時間。

　　對策：直接在GPU顯存中開辟空間

　　應用庫：cupy、dlpack

　　一、前處理

　　通常pytorch前處理如下：

　　# 內存分配torch.FloatTensor空間

　　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)

　　#轉置

　　m_img = t_img.transpose((2, 0, 1))

　　#numpy.ndarray->torch.FloatTensor + 圖像正則化

　　n_img = transform(torch.from_numpy(m_img))

　　#組成batch data

　　batch_input[index, :] = n_img

　　# torch.FloatTensor-> torch.cuda.FloatTensor

　　batch_input.cuda()

　　如果將此batch送入GPU，則會發生如圖1所示的數據轉換。

　　現用cupy來取代numpy操作:

　　import cupy as cp

　　# GPU顯存分配cupy batch_data空間

　　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)

　　# 轉置(cupy層面)

　　m_img = t_img.transpose((2, 0, 1))

　　# 圖像正則化

　　n_img = gpu_transform(m_img)

　　# 組成 batch data

　　batch_input[index, :] = n_img

　　# cupy.ndarray -> torch.cuda.FloatTensor

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

　　此時過程轉換為：

　　說明幾點：

　　1.1由于cupy直接在GPU顯存中分配空間，不需要隱式調用.async_copy()將數據調入顯存內，可見時間對比：

　　隱式調用GPU前傳時間如下圖：

　　非隱式調用GPU前傳時間如下圖：

　　1.2 cupy.ndarray到torch.cuda.FloatTensor沒辦法直接轉換，需要中間轉換格式dlpack，具體轉換如下

　　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鄭州婦科醫院 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，有的工程需要圖像正則化，有的不需要。當網絡前傳時若需要圖像正則化(一般為減均值與除方差)，一般選用的是torchvision.transform。但是該內置函數只接受CPU端的torch.FloatTensor，這就意味著若要使用內置transform函數，就需要將cupy GPU數據先轉成CPU的torch.FloatTensor，勢必會造成數據轉換資源浪費。重寫transform函數：

　　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

　　以上過程全部都在GPU內運行，時間幾乎可以忽略

　　二、后處理

　　此部分適用于分割網絡，即需要預先在GPU端分配生成的mask空間。通常做法分配torch.cuda.FloatTensor空間，隱式調用.async_copy()送入GPU，同樣會消耗很多時間。類似于前處理，可以利用cupy生成mask空間，再轉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時間

　　cupy分配mask時間

　　三、cupy與常規前后處理時間對比