Эльбрус/нейросети

ggml

ggml - Это тензорная библиотека для машинного обучения. В примере ниже используется для работы llama(Large Language Model). Большое спасибо Илье Курдюкову за проделанные оптимизации под Эльбрус

Для работы с ggml и llama.cpp необходимо выполнить следующие действия:

git clone https://github.com/alexmihalyk23/llama.cpp-e2k
cd llama.cpp-e2k
make -j8

Для загрузки необходимой модели можно воспользоваться скриптом:

./download-koala.sh

Для тестового диалога можно воспользоваться следующей командой, которая запустит чат-бота

./alpaca.sh

ncnn

ncnn - Это высокопроизводительный фреймворк нейросетевого вывода, оптимизированный для мобильной платформы. Также данный фреймворк поддерживает vulkan что позволяет запускать нейросети на видеокартах AMD.

Для установки необходимо выполнить следующие действия:

git clone https://github.com/Tencent/ncnn.git
cd ncnn
git submodule update --init
mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr -DNCNN_VULKAN=ON ..
make -j8
sudo make install

На данный момент не реализованна поддержка многопоточности под Эльбрус

Если хотите запустить пример с работой нейронной сети yolov3 то можно выполнить следующие действия:

из папки build перейдите в папку examples

cd examples
make -j8
https://raw.githubusercontent.com/Qengineering/YoloV3-ncnn-Jetson-Nano/main/mobilenetv2_yolov3.param
wget https://github.com/Qengineering/YoloV3-ncnn-Jetson-Nano/raw/main/mobilenetv2_yolov3.bin
./yolov3 (изображение, на котором хотите запустить распознавание).png

Может возникнуть ошибка opencv(The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Cocoa support. If you are on Ubuntu or Debian, install libgtk2.0-dev and pkg-config, then re-run cmake or configure script in function 'cvShowImage')

Тогда можно перейти в ncnn/examples и закоментировать imwshow и waitKey(0), и заменить на cv::imwrite("image.png", image);

nano ../../examples/yolov3.cpp

Для запуска теста можно запустить следующий тест:

cd ../examples
../build/examples/squeezenet ../images/256-ncnn.png

Stable-Diffusion-NCNN

Для работы Stable-Diffusion необходимо установить ncnn

Stable-Diffusion-NCNN - Это программное обеспечение, создающее изображения по текстовым описаниям, с открытым исходным кодом. Данная реализация поддерживает vulkan благодаря работе с ncnn.

Для установки необходимо выполнить следующие действия:

git clone https://github.com/EdVince/Stable-Diffusion-NCNN.git
cd Stable-Diffusion-NCNN/x86/linux
sed -i 's/net.opt.use_vulkan_compute = true/net.opt.use_vulkan_compute = false/' src/decoder_slover.cpp
sed  -i 's/net.opt.use_vulkan_compute = false/net.opt.use_vulkan_compute = true/' src/decoder_slover.cpp
sed  -i 's/net.opt.use_fp16_storage = false/net.opt.use_fp16_storage = true/' src/decoder_slover.cpp
sed  -i 's/net.opt.use_bf16_storage = true/net.opt.use_bf16_storage = false/' src/decoder_slover.cpp
sed  -i 's/net.opt.use_vulkan_compute = false/net.opt.use_vulkan_compute = true/' src/diffusion_slover.cpp
mkdir build && cd build
cmake ..
make -j8

Для работы с Stable-Diffusion необходимо скачать модели AutoencoderKL-fp16.bin, FrozenCLIPEmbedder-fp16.bin, UNetModel-MHA-fp16.bin, AutoencoderKL-encoder-512-512-fp16.bin. Google Диск И поместить в папку assets, которая располагается в папке build.

Для запуска генерации можете выполнить

./stable-diffusion-ncnn

Если хотите генерировать что-то свое, то можно изменить файл magic.txt (на странице github есть более подробное описание)

waifu2x ncnn Vulkan

Программа для апскейла изображений

Для работы waifu2x-ncnn-vulkan необходимо установить ncnn

Для установки необходимо выполнить следующие действия:

git clone https://github.com/nihui/waifu2x-ncnn-vulkan
cd waifu2x-ncnn-vulkan
git submodule update --init --recursive
mkdir build
cd build
cmake ../src
cmake --build . -j 8

Для запуска можно выполнить данную команду:

./waifu2x-ncnn-vulkan -i input.png -o output.png -n 2 -s 2

Данную программу можно использовать совместно с Stable-Diffusion-NCNN для увеличения сгенерированного изображения.

Если что-то было не понятно, можно посмотреть видео-интсрукцию