【个人开源】——从零开始在高通手机上部署sd（二）

代码：https://github.com/chenjun2hao/qualcomm.ai

推理耗时统计

单位/ms

硬件	qnncpu_clip	qnncpu_unet	qnncpu_vae	htp_clip	htp_unet	htp_vae
骁龙8 gen1+		24716.994	133440.397	23.215	411.097	696.327

1. 下载依赖

下载opencv_x64.tar,提取码: rrbp
下载opencv_aarch64.tar, 提取码: xj8w
修改CMakeLists.txt中OPENCV_X64_PATH和OPENCV_AARCH64_PATH的路径
安装高通QNN，并声明QNN_SDK_ROOT环境变量
下载android_ndk, 我使用的版本android-ndk-r26c

2. 编译

1.linux

bash 复制代码

mkdir build_x64 && cd build_x64
cmake .. -DCMAKE_BUILD_TYPE=Debug
make -j8

2.android

bash 复制代码

mkdir build_android && cd build_android
cmake -DCMAKE_TOOLCHAIN_FILE=$ANDROID_NDK_ROOT/build/cmake/android.toolchain.cmake \
	-DANDROID_ABI="arm64-v8a" \
	-DANDROID_NDK=$ANDROID_NDK_ROOT \
	-DANDROID_PLATFORM=android-28 \
	-DPLATFORM_X64=OFF \
	..
make -j8

3. x64 cpu执行浮点模型

转换浮点模型

参考qualcomm.sd, readme导出浮点模型
执行

bash 复制代码

export FLOAT_MODEL_PATH=/data1/chenjun/2_qualcomm_ai/sd2.1			# 修改成自己导出模型的路径
./build_x64/example/sd2.1/sd_15.out \
 ${QNN_SDK_ROOT}/lib/x86_64-linux-clang/libQnnCpu.so \
 ${QNN_SDK_ROOT}/lib/x86_64-linux-clang/libQnnHtp.so \
 ${FLOAT_MODEL_PATH}/qnn_models/text_encoder_float/x86_64-linux-clang/libtext_encoder.so \
 ${FLOAT_MODEL_PATH}/qnn_models/unet_float/x86_64-linux-clang/libunet.so \
 ${FLOAT_MODEL_PATH}/qnn_models/vae_decoder_float/x86_64-linux-clang/libvae_decoder.so \
 10

可视化output/sd21_portrait.jpg（种子未固定，结果具有随机性）:

4. 高通HTP执行量化模型

转换浮点模型

参考qualcomm.sd, readme导出量化模型
执行

参考高通的例子，我自己的adb操作，将所有的依赖push到手机再跑模型

bash 复制代码

export LD_LIBRARY_PATH=$PWD
# 跑sd
./sd_15_htp.out ./libQnnCpu.so ./libQnnHtp.so ./model_quant/libtext_encoder.so ./model_float/libunet.so ./model_float/libvae_decoder.so 10

结果保存在output/sd21_portrait_quant.jpg, 再adb pull下来看

其他

qnn输入输出dataformat都是NHWC
qnn 2.14.0.230828 cpu不支持量化的模型推理，需要用htp的后端
qnn 2.26.0.240827 cpu也不支持量化模型的推理，composeGraphs的时候报错