騰訊 CVM 標準型 SR1 是騰訊云推出的首款搭載 ARM 架構(gòu)處理器的新一代 CVM 標準型計算實例規(guī)格。SR1 基于全核一致主頻 3.0GHz 的 Ampere Altra 處理器，實例核數(shù)從 1 核到 64 核，并支持 1: 2、1: 4 等多種處理器與內(nèi)存配比，相對 x86 架構(gòu)實例為用戶提供卓越的性價比。

Ampere 為基于 Ampere Altra 處理器的 SR1 實例提供了優(yōu)化過的 AI 框架 (Ampere AI),并通過騰訊鏡像市場提供免費的鏡像給客戶使用。本文將介紹如何在騰訊云上創(chuàng)建 SR1 實例，并基于 TensorFlow 對計算機視覺分類性能進行評測。

用 CPU 做推理

現(xiàn)下 AI 推理應用的算力來源主要有三種方式，即 CPU+AI 專用芯片，CPU+GPU 和單純的 CPU 推理。根據(jù) Statista 和麥肯錫之前發(fā)布的AI硬件洞察報告，基于 CPU 的推理目前仍占 50% 以上。相比其他兩種模式，采用 CPU 推理的主要原因有幾點：

更加靈活便利，軟件主導，對應用方來說對專用硬件的依賴性低。

涉及操作系統(tǒng)、驅(qū)動程序、運行時組件庫等的復雜性較低。

CPU 上 AI 模型算法(例如稀疏性、量化等)的持續(xù)優(yōu)化創(chuàng)新可以提供接近 GPU 的高吞吐量。

更容易實現(xiàn)橫向擴展并與其他軟件堆棧進行集成。

更重要的是在 CPU 上搭建推理應用可以方便的將 AI 集成到業(yè)務邏輯模塊，融入微服務云原生體系。

本文將介紹如何在騰訊云上創(chuàng)建 SR1 云實例，基于 SR1 所搭載的 Ampere Altra CPU，以 TensorFlow 為例對計算機視覺分類性能進行評測。

創(chuàng)建 SR1 實例

我們將創(chuàng)建一個 16vCPU 的 SR1 實例 SR1.4XLARGE32 來進行評測，該實例配置 16 個 Ampere Altra 物理核和 32GB 內(nèi)存。

首先登錄騰訊云的控制臺，在“實例”類別下選擇“新建”，將進入實例創(chuàng)建頁面。由于 SR1 目前只在廣州六區(qū)有售，所以需要選擇“廣州”->“廣州六區(qū)”->”標準型 SR1”。

然后將看到不同規(guī)格的 SR1 實例，這里我們選擇 SR1.4XLARGE32 規(guī)格的實例。

鏡像選擇“鏡像市場”-> “從鏡像市場選擇”，然后搜索“Ampere”，選取“Ampere Optimized TensorFlow - Ubuntu 20.04”鏡像即可免費使用 Ampere 針對 SR1 優(yōu)化過的 TensorFlow 2.7 以及各種示例程序。

設置好其它的實例配置，就可以確認配置信息并開通實例了。

啟動并連接到實例

實例創(chuàng)建完就可以啟動并登錄了。實例的 IP 地址可以從控制臺獲取，取決于創(chuàng)建時設置的登錄方式，可以使用密碼或密鑰的方式登錄實例。

登錄后將看到下面的 Ampere AI 的歡迎界面。

可以看到，這個鏡像除了集成了 Ampere 優(yōu)化的 Tensorflow，也包含 aio-example 的測試代碼，該代碼也可以從 github 上獲取。

運行 TensorFlow AIO 示例

TensorFlow 是一個端到端開源機器學習平臺。它擁有一個全面而靈活的生態(tài)系統(tǒng)，其中包含各種工具、庫和社區(qū)資源，可助力研究人員推動先進機器學習技術的發(fā)展，并使開發(fā)者能夠輕松地構(gòu)建和部署由機器學習提供支持的應用。

我們創(chuàng)建實例時從鏡像市場選擇的鏡像已經(jīng)包含了針對 Ampere Altra CPU 優(yōu)化過的 Tensorflow 2.7。為了運行 aio-example 提供的示例程序，我們需要先下載模型。aio-examples 提供了包括圖像分類和對象檢測的不同模型，有 32 位的，也有 16 位和 8 位的模型。

取決于網(wǎng)絡狀況，下載所有的模型將需要幾分鐘。

我們將用 TensorFlow resnet_50_v15 分類模型來進行測試和評估。ResNet50 是最常用的圖像分類模型之一。

由于 Ampere Altra CPU 是單核單線程，SR1 里每一個 vCPU 都對應一個 Altra 物理核，所以在用 SR1.4XLARGE32 測試時，我們指定 AIO_NUM_THREADS 為 16。我們首先測試 FP32 的雙精度模型。

可以看到，使用 16 個核心，resnet_50_v15 可以每秒處理 65.36 張圖像(65.36 ips), 延時為 15ms。

下面我們再測試基于 FP16 的模型。

我們看到 FP16 的模型提供了高達 115.59 ips 的吞吐能力，這是因為 Ampere Altra 處理器對 FP16 提供了原生支持。相比 FP32 模型， FP16 模型可以在不影響模型的精度的前提下提供接近 2 倍的圖像處理能力。

與其他實例的性能對比

這里的 aio-example 同樣可以運行在基于 Intel CPU 和 AMD CPU 的騰訊 CVM 實例上。我們同樣創(chuàng)建 16vCPU 的實例 S6.4XLARGE32 和 SA3.4XLARGE32。其中 S6.4XLARGE32 是基于 Intel Xeon Ice Lake 處理器的 16vCPU 實例，SA3.4XLARGE32 是基于 AMD EPYC Milan 處理器的 16vCPU 實例。與 SR1.4XLARGE32 不同的是，這里的 16vCPU 是 16 個線程，而非物理核，實際的物理核為 8。

我們在 S6.4XLARGE32 上運行 intel-tensorflow, 這是 Intel 優(yōu)化過的 TensorFlow 以充分發(fā)揮 AVX-512 指令集的性能。

AMD 也提供了針對 AMD CPU 優(yōu)化的 ZenDNN，但在騰訊 CVM 里測試的結(jié)果并不比 native 的 Tensorflow 更好，所以以下 SA3.4XLARGE32 的數(shù)據(jù)采用的是 native TensorFlow。

“resnet_50_v15”模型在 3 個平臺上的性能表現(xiàn)如下表。

我們可以看到，每秒處理的圖像數(shù)量(ips)，SR1.4xLARGE32 分別比同規(guī)格的 S6 和 SA3 實例高出 40% 和 50%;如果再考慮單個實例的價格差異，以相同的價格，SR1.4xLARGE32 可以獲得比同規(guī)格的 S6 和 SA3 高出 70% 和 40% 的性能。

于此同時，SR1 實例還提供了對 FP16 的支持，可以獲得更高的吞吐能力，以及更低的延時特性。

Jupiter Notebook 的可視化示例

aio-example 也提供了 Jupiter Notebook 腳本，方式編輯，調(diào)試和實現(xiàn)可視化。

下面將以對象檢測模型 SSD Inception v2 為例。首先在 CVM 里啟動 Jupiter Notebook。

在另外一臺有瀏覽器的機器上，執(zhí)行以下命令，輸入實例的密碼，開啟 ssh 隧道;然后打開瀏覽器，輸入上面最后一行的地址，就可以看到 AIO 的 Jupiter Notebook 了。

進入“object_detection”，點擊“examples.ipynb”，將會看到 Object Detection Examples 的頁面。

點擊“Cell” -> “Run All”運行。

查看運行結(jié)果。

也可以通過同樣的方法運行 aio-examples 里面其它的示例。

結(jié) 論

采用 Ampere Altra 處理器的騰訊 SR1 實例，充分發(fā)揮了單核單線程的性能優(yōu)勢，同時 Ampere AI 優(yōu)化軟件棧將 SR1 在 AI 推理應用中，相對 x86 架構(gòu)的性價比優(yōu)勢提升到了 70%。

除了騰訊云市場的免費鏡像，用戶也可以從 Ampere 解決方案網(wǎng)站獲取即用型 Docker 映像，包括代碼和文檔，在接受最終用戶許可協(xié)議后的進行下載。Docker 映像包含一個標準的 ML 框架(TensorFlow，PyTorch, ONNX等)，預裝了優(yōu)化的軟件，可以在騰訊 CVM SR1 無需更改即可運行推理腳本。鏡像中也提供了圖像分類和對象檢測等示例模型。

原文標題：安博士講堂 | 騰訊 Arm 云實例評測系列 - AI 推理

文章出處：【微信公眾號：安晟培半導體】歡迎添加關注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅