01 引言

为了应对低、中、高阶智驾场景，以及当前 AI 模型在工业界的应用趋势，地平线推出了征程 6 系列芯片。

在软硬件架构方面，征程 6 不仅保持了对传统 CNN 网络的高效支持能力，还强化了对 Transformer 类型网络的支持，主要表现为大幅强化了对逐点计算、数据搬运的能力。基于征程 6 硬件平台的增强和算法移植的痛点，同时坚持 ‘软硬协同’ 的设计理念，征程 6 工具链衍生了诸多新特性。

在 征程 6 工具链性能分析与优化 1｜编译器预估 perf 解读与性能分析 这篇文章中，我们解释了编译器预估 perf 中各个参数的含义以及对性能的初步分析。

本篇文章，我们将基于征程 6 软硬件特性，整理出征程 6 工具链算法优化常用策略。

02 模型性能优化建议

本节将结合笔者在征程 6 工具链参考算法的学习经验，整理常用的性能优化策略。

2.1 高效 backbone

HENet 是针对征程 6 平台专门设计的高效 backbone，其采用了纯 CNN 架构，总体可分为四个 stage，每个 stage 会进行 2 倍下采样。以下为总体的结构配置：

depth = [4, 3, 8, 6]block_cls = ["GroupDWCB", "GroupDWCB", "AltDWCB", "DWCB"]width = [64, 128, 192, 384]attention_block_num = [0,0,0,0]mlp_ratios, mlp_ratio_attn = [2, 2, 2, 3], 2act_layer = ["nn.GELU", "nn.GELU", "nn.GELU", "nn.GELU""]use_layer_scale = [True,True,True,True]final_expand_channel, feature_mix_channel = 0,1024down_cls = ["S2DDown", "S2DDown", "S2DDown", "None"71

模型相关细节可以参考 HENet 高效模型相关介绍。

2.2 算子优化建议

2.2.1 遵循硬件对齐原则

一般的 tensor shape 对齐到 2 的幂次，conv-like 的算子 H 维度对齐到 8、W 维度对齐到 16、C 维度对齐到 32，若设计尺寸不满足对齐规则时会对 tensor 自动进行 padding，造成无效的算力浪费。

2.2.2 尽量使用 BPU 算子搭建模型

BPU 算子本身性能远高于 CPU 算子，且 CPU 和 BPU 之间的异构调度还会引入量化、反量化节点，其计算因为需要遍历数据，所以耗时也与 shape 大小成正比。

所以建议结合用户手册中的算子支持列表，选择合适的 BPU 算子来搭建模型。

2.2.3 减少数据搬运操作

虽然征程 6 中大幅度强化了对数据搬运（transpose、reshape）操作的效率，但是建议在模型中还是避免频繁的数据搬运操作，同时注意 reshape 操作时，改动的维度越多，计算效率越低。

2.2.4 将 attention 层的 add、sum、mean 替换为 conv 计算

self.sum_ref_offset = nn.Linear(    self.num_levels * self.num_heads * self.num_points * 2 * 2,    self.num_levels * self.num_heads * self.num_points * 2,    bias=False,)self.sum_ref_offset = nn.Linear(    self.num_levels * self.num_heads * self.num_points * 2 * 2,    self.num_levels * self.num_heads * self.num_points * 2,    bias=False,)
self.add_pos = nn.Linear(    self.embed_dims * 2,    self.embed_dims,    bias=False,)self.queries_mean_pad = nn.Conv2d(    self.num_bev_queue * self.view_num,    self.view_num,    1,    bias=False,)

另外，笔者还建议将 Linear 替换为 Conv1x1 ,从而获得性能的进一步提升。

详情见：地平线 3D 目标检测 Bevformer 参考算法 V1.0

2.2.5 GridSample 性能优化

GridSample 是 BEV 坐标变换和 deformable conv 高频使用的算子，若 grid 的 size 过大或 H,W 分布的不均匀则可能会有带宽问题（该问题在征程 5 上常有发生，随着征程 6 的带宽增加，对 gridsample 的约束限制降低）或运行到 CPU 上，可以采用以下方式提供此算子的运行效率：

1. 对 gridsample 计算做拆分，比如 Nx22223x4x2 的 gird，数据集中在 H 维度，导致硬件对齐后计算量相较于之前增加不少，所以在算法设计的时候可以将 22223 维度进行拆分，比如 Nx22223x4x2-->Nx313x284x2；

2. 合理选择 BEV Grid 尺寸，征程 6 平台的带宽得到增强，但仍需考虑 BEV Grid 尺寸对模型性能的影响，并且综合衡量模型精度预期，选择合适的 BEV Grid 尺寸以获得模型性能和精度的平衡；

2.2.6 cumsum 算子替换

公版模型的 QCNetDecoder 中使用了征程 6 暂不支持的 torch.cumsum 算子，参考算法中将其替换为了 Conv1x1，相关代码如下：

        self.loc_cumsum_conv = nn.Conv2d(            self.num_future_steps,            self.num_future_steps,            kernel_size=1,            bias=False,        )        self.scale_cumsum_conv = nn.Conv2d(            self.num_future_steps,            self.num_future_steps,            kernel_size=1,            bias=False,        )

详情见：地平线轨迹预测 QCNet 参考算法-V1.0

2.2.7 Gather/GatherND 算子高效支持

在地平线以往的版本（OE3.0.17）中，Gather/GatherND 算子底层均为 CPU 实现，效率较低，在地平线征程 6 工具链即将发布的正式版本中，Gather/GatherND 算子将支持 BPU 加速，可以极大地提升计算效率。