从coremltools4.0转换的mlmodel比从tfcoreml转换的mlmodel慢很多答案

【问题标题】：mlmodel converted from coremltools4.0 is much slower than mlmodel converted from tfcoreml从coremltools4.0转换的mlmodel比从tfcoreml转换的mlmodel慢很多
【发布时间】：2021-02-17 01:22:21
【问题描述】：

我使用 tensorflow 1.15 设计了一个简单的网络，并使用 tfcoreml 和 coremltools4.0 将其转换为 mlmodels。我在系统版本ios13.5.1的iPhoneXS上测试过，发现从coremltools4.0转换的mlmodel比从tfcoreml慢很多。

tensorflow中的原始网络如下：

graph = tf.Graph()
with graph.as_default():
    x = tf.placeholder(tf.float32, shape=[1, 1000, 1000, 4], name="input")
    y = tf.layers.conv2d(x, 4, 1, padding='same', activation=tf.nn.relu)
    output_names = [y.op.name]

使用 tfcoreml 转换为 mlmodel

# using tfcoreml
coreml_save_tfcoreml_file = model_dir + "/debug_tfcoreml.mlmodel"
tfcoreml.convert(tf_model_path=frozen_graph_file,
                    mlmodel_path=coreml_save_tfcoreml_file,
                    output_feature_names=["conv2d/Relu:0"],  # name of the output tensor (appended by ":0")
                    input_name_shape_dict={"input": [1, 1000, 1000, 4]},  # input tensor[1, height, width, channel]
                    minimum_ios_deployment_target='12')

使用 coremltools4.0 转换 mlmodel：

coreml_save_coremltools_file = model_dir + "/debug_coremltools.mlmodel"
mlmodel = ct.convert(frozen_graph_file, source='tensorflow')
mlmodel.save(coreml_save_coremltools_file)

我在同一个 iPhoneXS 设备上测试了两个 mlmodel，无论是在 cpu 和 cpu+gpu 上还是使用 ANE，#2 都比 #1 花费更多的时间。

为了确认 mlmodel 在 ANE 上运行，我在网络中插入了 10 个 1x1 卷积层以添加计算量。它们确实都在 ANE 上运行，时间成本为 (ALL

似乎coremltools4.0通过插入transpose层将数据类型从HWC更改为CHW格式。但是 tf2coreml 直接接受 CHW 格式。

如何去掉coremltools4.0转换中的转置层，以验证该层是否是导致性能下降的原因？

【问题讨论】：

标签： tensorflow coreml coremltools

【解决方案1】：

是的，我想我找到了原因。我使用“MLModel Surgery”来修改 mlmodel，删除两个转置层，并将输入形状和输出形状信息修改为 NCHW 格式。那么使用coretools4.0的性能与tfcoreml相同。 :)

【讨论】：

我在尝试将 u2net 模型转换为 ML 时遇到了同样的问题。加载 ML 模型非常慢（30 秒）。我正在使用本指南：rockyshikoku.medium.com/…。转换时我应该改变什么？