pytorch mobileのObject Ditectionサンプルを動かす #Python

前回に引き続き，こちらのpytorchmobileのデモを動かしたメモ書きを残す．今回はObject Ditectionとして，yolov5を使用したリアルタイム推論が紹介されていたので，こちらを実行してみる．

android-demoのgit cloneとREADMEで紹介されているyolov5のgit cloneまでは実行しているものとする．

ptlファイルを作成するdocker環境の編集

READMEに従って，yolov5リポジトリから，ptlファイルを生成する．　手元にあった未編集のpytorch/pytorch:1.9.1-cuda11.1-cudnn8-develイメージを使用してexport.pyを実行した(GPU環境は使用していない)．

元の環境

torch                  1.10.0
torchelastic           0.2.0
torchtext              0.11.0
torchvision            0.11.1

そのままrequire.txtに従ってインストールを実行したかったが，いくつか最新バージョンがインストールされる恐れがあり，元のバージョンに更新が入ることを避けるため，手動でいくつかpip installした．
opencvも必要だったため，apt-getでインストール．

docker内の環境で下記を実行

.sh

$ pip install pandas
$ pip install opencv-python
$ apt update
$ apt-get install libopencv-dev
$ apt-get install libgl1-mesa-dev
$ apt-get install git

penCVのバージョン確認

.sh

$ python -c "import cv2; print(cv2.__version__)"
4.8.0
$ apt list --installed
libopencv-dev/bionic-updates,bionic-security,now 3.2.0+dfsg-4ubuntu0.1 amd64 [installed]

yolov5のclone

READ.MEの指示の通り，Yolov5をダウンロード．

.sh

$ git clone https://github.com/ultralytics/yolov5
$ cd yolov5

export.pyの編集

ここで，READMEで指定されていたコードの改変と，yolov5側のコードが異なっており，READMEと違う修正が必要

export.py

@try_export
def export_torchscript(model, im, file, optimize, prefix=colorstr('TorchScript:')):
    # YOLOv5 TorchScript model export
    LOGGER.info(f'\n{prefix} starting export with torch {torch.__version__}...')
    f = file.with_suffix('.torchscript')
    fl = file.with_suffix('.torchscript.ptl') # 追加

    ts = torch.jit.trace(model, im, strict=False)
    d = {'shape': im.shape, 'stride': int(max(model.stride)), 'names': model.names}
    extra_files = {'config.txt': json.dumps(d)}  # torch._C.ExtraFilesMap()
    if optimize:  # https://pytorch.org/tutorials/recipes/mobile_interpreter.html
        optimize_for_mobile(ts)._save_for_lite_interpreter(str(f), _extra_files=extra_files)
        optimize_for_mobile(ts)._save_for_lite_interpreter(str(fl), _extra_files=extra_files) # 追加
    else:
        ts.save(str(f), _extra_files=extra_files)

    return f, None

export.pyを実行

実行する際には，--optimizeオプションをつける．

$ python export.py --weights yolov5s.pt --optimize --include torchscript

上記export.py実行後yolov5/配下に生成されたyolov5s.torchscript.ptlを，ObjectDitection/app/src/main/asset/配下にコピー

ちなみに他サイズのモデルも，同様の方法で生成可能．ただし，javaコード側でモデルの名前が直接指定されているため，sサイズのモデルしか指定できないので注意．

$ python export.py --weights yolov5m.pt --optimize --include torchscript
$ python export.py --weights yolov5l.pt --optimize --include torchscript
$ python export.py --weights yolov5x.pt --optimize --include torchscript

androidプロジェクト側の修正

前回と同様に各種gradle.buildファイル，manifestファイルを修正．

gradle.build(ObjectDitection)

gradle.build

buildscript {
    repositories {
        google()
        //jcenter()
        mavenCentral()
    }
    dependencies {
        classpath 'com.android.tools.build:gradle:4.2.0'
        // classpath 'com.android.tools.build:gradle:8.1.1'
        // classpath 'com.android.tools.build:gradle:3.2.0-alpha13'

    }
}

gradle.build(App)

gradle.build

apply plugin: 'com.android.application'

android {
    compileSdkVersion 31
    buildToolsVersion "30.0.2"

    defaultConfig {
        applicationId "org.pytorch.demo.objectdetection"
        minSdkVersion 28
        targetSdkVersion 31
        versionCode 1
        versionName "1.0"

        testInstrumentationRunner "androidx.test.runner.AndroidJUnitRunner"
    }

    buildTypes {
        release {
            minifyEnabled false
        }
    }
    compileOptions {
        sourceCompatibility JavaVersion.VERSION_1_8
        targetCompatibility JavaVersion.VERSION_1_8
    }
}

dependencies {
    implementation fileTree(dir: "libs", include: ["*.jar"])
    implementation 'androidx.appcompat:appcompat:1.2.0'
    implementation 'androidx.constraintlayout:constraintlayout:2.0.4'
    testImplementation 'junit:junit:4.12'
    androidTestImplementation 'androidx.test.ext:junit:1.1.2'
    androidTestImplementation 'androidx.test.espresso:espresso-core:3.3.0'

    def camerax_version = "1.0.0-alpha05"
    implementation "androidx.camera:camera-core:$camerax_version"
    implementation "androidx.camera:camera-camera2:$camerax_version"

    implementation 'org.pytorch:pytorch_android_lite:1.11'
    implementation 'org.pytorch:pytorch_android_torchvision_lite:1.11'
}

エラー対応

プロジェクトのmakeはうまくいくものの，気になる記述が出る．実行不能エラーというわけではないので，一旦無視する．

注意:~/android-image-rec-pytorch/docker/opt/android-demo-app/ObjectDetection/app/src/main/java/org/pytorch/demo/objectdetection/MainActivity.javaは推奨されないAPIを使用またはオーバーライドしています。

実行すると，アプリが開かない．ログストリームで確認すると下記のエラーを吐いている

PytorchStreamReader failed locating file bytecode.pkl: file not found ()

上記エラーはptlファイルが量子化されていないことが原因．モデルが_save_for_lite_interpreter()で保存されているか確認する．

動作

Detectを押下すると，推論が実行される