UfaceConvertServer模型量化服务-技术圈

目前的嵌入式算法开发中，针对不同芯片平台进行模型量化是模型工程化必不可少的一部分。一般的方式是算法开发人员自己搭建量化环境进行量化，这种方式需要每个算法开发都搭建一套自己的环境，需要熟悉不同的量化工具，而且需要手动量化。本项目试图通过模型量化服务，可免去算法工程师自己搭建各种芯片的量化环境，而只需要在服务所在的机器上配置好相关的量化工具链即可。算法工程师只要按规则通过Web将模型上传至指定位置，服务将根据配置自动为其量化，并将量化后模型上传至指定位置。当前支持RKNN芯片，可扩展至其他平台。

配置

安装minio, 可参考官网：https://docs.min.io/，或直接通过以下命令进行docker安装：

sudo docker run -p 9003:9000 --name minio \

    -d --restart=always \

    -e "MINIO_ACCESS_KEY=admin" \

    -e "MINIO_SECRET_KEY=123@abc.com" \

    -v /nfs_79/model_zoo:/data \  #模型位置

    -v /nfs_79/model_zoo/config:/root/.minio \ #minio配置存储路径

    minio/minio:RELEASE.2021-04-06T23-11-00Z.hotfix.e46577116 server /data

minio是一个对象存储服务，可以帮助我们管理模型文件，并且提供了Web和S3 API便于操作。上述命令将在本机开启一个服务，用户上传的数据在本地的/nfs_79/model_zoo中，访问方式为 http://ip:9003 2. 安装rknn量化工具包

项目文件说明

sync_server.py

定时将minio上的文件同步至本地目录

model_repo_monitor.py

监控模型目录，如果发现有模型需要转换，添加到任务队列

rknn_quant.py

进行rknn量化，并上传日志和转换后的模型到minio

logger.py

日志相关

config.py

读取配置信息

repo_uploader.py

上传文件到minio仓库

common_utils.py

其他

如何使用

首先开启sync_server.py进行minio仓库和本地目录的同步

设置config.py的信息，主要是minio仓库的账号信息

python main.py --repo-dir local_path 开启服务

访问 http://ip:9003 上传模型至minio，目录结构应为： ModelName/ModelVersion/rknn, 在此目录下放置原始模型，convert_config.json（量化配置文件）以及quant_imgs(量化图片目录)