使用可执行文件 opt

opt 是 x86 平台上的可执行文件，需要在 PC 端运行：支持 Linux 终端和 Mac 终端。

1、帮助信息

执行 opt 时不加入任何输入选项，会输出帮助信息，提示当前支持的选项：

 ./opt

注意： 如果提醒 opt 没有执行权限，请先通过chmod +x ./opt命令为文件添加可执行权限。

2、功能一：转化模型为 Paddle Lite 格式

opt 可以将 PaddlePaddle 的部署模型格式转化为 Paddle Lite 支持的模型格式，期间执行的操作包括：

• 将 protobuf 格式的模型文件转化为 naive_buffer 格式的模型文件，有效降低模型体积

• 执行“量化、子图融合、混合调度、 Kernel 优选”等图优化操作，提升其在 Paddle Lite 上的运行速度、内存占用等效果

模型优化过程：

（1）准备待优化的 PaddlePaddle 模型

PaddlePaddle 模型有两种保存格式： Combined Param ：所有参数信息保存在单个文件params中，模型的拓扑信息保存在__model__文件中。

Seperated Param：参数信息分开保存在多个参数文件中，模型的拓扑信息保存在__model__文件中。

(2) 终端中执行opt优化模型 使用示例：转化mobilenet_v1模型

./opt --model_dir=./mobilenet_v1 --valid_targets=arm --optimize_out_type=naive_buffer --optimize_out=mobilenet_v1_opt

以上命令可以将mobilenet_v1模型转化为在 arm 硬件平台执行的、 naive_buffer 格式的 Paddle Lite 支持模型，优化后的模型文件为mobilenet_v1_opt.nb，转化结果如下图所示：

(3) 更详尽的转化命令总结：

./opt \
    --model_dir=<model_param_dir> \
    --model_file=<model_path> \
    --param_file=<param_path> \
    --optimize_out_type=(protobuf|naive_buffer) \
    --optimize_out=<output_optimize_model_dir> \
    --valid_targets=(arm|opencl|x86|x86_opencl|npu) \
    --record_tailoring_info =(true|false) \
    --quant_model=(true|false) \
    --quant_type=(QUANT_INT8|QUANT_INT16)

选项	说明
--model_dir	待优化的 PaddlePaddle 模型（非 combined 形式）的路径。
--model_file	待优化的 PaddlePaddle 模型（ combined 形式）的网络结构文件路径。
--param_file	待优化的 PaddlePaddle 模型（ combined 形式）的权重文件路径。
--optimize_out_type	输出模型类型，目前支持两种类型： protobuf 和 naive_buffer ，默认为 naive_buffer 。其中 naive_buffer 是一种更轻量级的序列化/反序列化实现。若您需要在mobile端执行模型预测，请将此选项设置为 naive_buffer。
--optimize_out	优化模型的输出路径。
--valid_targets	指定模型在特定的硬件平台上执行，默认为 arm 。目前可支持 arm、 opencl、 x86、 metal、 xpu、 bm、 mlu、 intel_fpga、 huawei_ascend_npu、imagination_nna、 rockchip_npu、 mediatek_apu、 huawei_kirin_npu、 amlogic_npu，可以同时指定多个硬件平台(以逗号分隔，优先级高的在前)，Model Optimize Tool 将会自动选择最佳方式。如果需要支持华为麒麟 NPU ，应当设置为" huawei_kirin_npu , arm "。
--record_tailoring_info	当使用 根据模型裁剪库文件 功能时，则设置该选项为 true ，以记录优化后模型含有的 kernel 和 OP 信息，默认为 false 。
--quant_model	设置是否使用 opt 中的动态离线量化功能。
--quant_type	指定 opt 中动态离线量化功能的量化类型，可以设置为 QUANT_INT8 和 QUANT_INT16 ，即分别量化为 int8 和 int16 。量化为 int8 对模型精度有一点影响，模型体积大概减小4倍。量化为 int16 对模型精度基本没有影响，模型体积大概减小2倍。

• 如果待优化的 paddle 模型是非 combined 形式，请设置--model_dir，忽略--model_file和--param_file。

• 如果待优化的 paddle 模型是 combined 形式，请设置--model_file和--param_file，忽略--model_dir。

• naive_buffer的优化后模型为以.nb名称结尾的单个文件。

• protobuf的优化后模型为文件夹下的model和params两个文件。将model重命名为__model__用 Netron 打开，即可查看优化后的模型结构。

• 删除prefer_int8_kernel的输入参数，opt自动判别是否是量化模型，进行相应的优化操作。

• opt中的动态离线量化功能和PaddleSlim中动态离线量化功能相同，opt提供该功能是为了用户方便使用。

3、功能二：统计算子信息、判断模型是否支持

opt 可以统计并打印出模型中的算子信息、判断 Paddle Lite 是否支持该模型，并可以打印出当前 Paddle Lite 的算子支持情况。

（1）使用 opt 统计模型中算子信息

下面命令可以打印出 mobilenet_v1 模型中包含的所有算子，并判断在硬件平台valid_targets下 Paddle Lite 是否支持该模型

./opt --print_model_ops=true  --model_dir=mobilenet_v1 --valid_targets=arm

其中kHost上支持的算子是纯 C++ 实现的，不引用其他任何第三方计算库的算子，当在用户定义的valid_targets上找不到算子时，便会在kHost上寻找对应的算子。

（2）使用 opt 打印当前 Paddle Lite 支持的算子信息

./opt --print_all_ops=true

以上命令可以打印出当前 Paddle Lite 支持的所有算子信息，包括 OP 的数量和每个 OP 支持哪些硬件平台：

（3）使用 opt 打印当前 Paddle Lite 在不同硬件平台上支持的算子信息

./opt --print_supported_ops=true  --valid_targets=x86

以上命令可以打印出当valid_targets=x86时 Paddle Lite 支持的所有 OP ：

其中KUnk上支持的算子是量化相关的算子。

4、功能三：nb 模型可视化

opt 工具可以加载优化之后的 naive_buffer 模型，并生成可视化 dot 文件。可视化命令为：

  ./opt --optimized_nb_model_path=<optimized_nb_model_file_path> \
        --visualization_file_output_path=<visualization_file_output_path> \

选项	说明
--optimized_nb_model_path	优化之后的 nb 模型文件路径。
--visualization_file_output_path	可视化 dot 文件的保存路径

如想查看优化之后的模型mobilenet_v1_opt.nb结构, 并将可视化 dot 文件保存在当前路径下，执行下面命令：

./opt --optimized_nb_model_path=./mobilenet_v1_opt.nb --visualization_file_output_path=.

执行结果如下所示：

执行生成了 Blcok_0.dot 文件，再执行 dot 命令，便可生成 pdf，png 等文件，如从 Blcok_0.dot 生成 pdf 文件：

dot Block_0.dot -Tpdf -o Block_0.pdf

打开生成的 pdf 文件即可查看模型的结构。

注意： 请确保当前环境已经安装有 dot 可执行命令，可通过dot -V查看确认，如果当前环境没有安装 dot 命令，可以将 dot 文件中的内容复制到 webgraphviz 进行查看。