pytorch 网络预处理与后处理中基于numpy操作的GPU加速

　　背景

　　python脚本运行在服务器端的卷积神经网络往往需要将图片数据从cv2(numpy.ndarray)->tensor送入网络，之后进行inference，再将结果从tensor-> numpy.ndarray的过程。

　　由于cv2读取的数据存于内存中，以pytorch框架举例，在把数据送入GPU前会产生如下的数据转换：

　　GPU准备进行inference之前会判断torch.cuda.FloatTensor是否已经处于显存内，如果没有的话会隐式调用内存与显存中的数据转存协议方法.async_copy()函数，将数据转存至GPU显存中，但该部分往往需要消耗大量时间。

　　对策：直接在GPU显存中开辟空间

　　应用库：cupy、dlpack

　　一、前处理

　　通常pytorch前处理如下：

　　# 内存分配torch.FloatTensor空间

　　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)

　　#转置

　　m_img = t_img.transpose((2, 0, 1))

　　#numpy.ndarray->torch.FloatTensor + 图像正则化

　　n_img = transform(torch.from_numpy(m_img))

　　#组成batch data

　　batch_input[index, :] = n_img

　　# torch.FloatTensor-> torch.cuda.FloatTensor

　　batch_input.cuda()

　　如果将此batch送入GPU，则会发生如图1所示的数据转换。

　　现用cupy来取代numpy操作:

　　import cupy as cp

　　# GPU显存分配cupy batch_data空间

　　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)

　　# 转置(cupy层面)

　　m_img = t_img.transpose((2, 0, 1))

　　# 图像正则化

　　n_img = gpu_transform(m_img)

　　# 组成 batch data

　　batch_input[index, :] = n_img

　　# cupy.ndarray -> torch.cuda.FloatTensor

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

　　此时过程转换为：

　　说明几点：

　　1.1由于cupy直接在GPU显存中分配空间，不需要隐式调用.async_copy()将数据调入显存内，可见时间对比：

　　隐式调用GPU前传时间如下图：

　　非隐式调用GPU前传时间如下图：

　　1.2 cupy.ndarray到torch.cuda.FloatTensor没办法直接转换，需要中间转换格式dlpack，具体转换如下

　　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郑州妇科医院 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，有的工程需要图像正则化，有的不需要。当网络前传时若需要图像正则化(一般为减均值与除方差)，一般选用的是torchvision.transform。但是该内置函数只接受CPU端的torch.FloatTensor，这就意味着若要使用内置transform函数，就需要将cupy GPU数据先转成CPU的torch.FloatTensor，势必会造成数据转换资源浪费。重写transform函数：

　　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

　　以上过程全部都在GPU内运行，时间几乎可以忽略

　　二、后处理

　　此部分适用于分割网络，即需要预先在GPU端分配生成的mask空间。通常做法分配torch.cuda.FloatTensor空间，隐式调用.async_copy()送入GPU，同样会消耗很多时间。类似于前处理，可以利用cupy生成mask空间，再转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时间

　　cupy分配mask时间

　　三、cupy与常规前后处理时间对比