Intel® OpenVINO™ 2024.2 版本正式发布

OpenVINO 2024.2 新功能

更多 Gen AI 覆盖和框架集成，以最大限度地减少代码更改。

• Llama 3 针对 CPU、内置 GPU 和独立 GPU 进行优化，以提高性能并提高内存使用效率。
• 支持 Phi-3-mini，这是一组 AI 模型，利用小型语言模型的强大功能实现更快、更准确、更具成本效益的文本处理。
• OpenVINO 现已启用 Python 自定义操作，让 Python 开发人员可以更轻松地编写自定义操作，而无需使用 C++ 自定义操作（也受支持）。Python 自定义操作使用户能够将自己的专门操作实现到任何模型中。
• 笔记本扩展，以确保更好地覆盖新型号。添加了值得注意的笔记本：DynamiCrafter、YOLOv10、带有 Phi-3 的 Chatbot 笔记本和 QWEN2。
   

更广泛的大型语言模型 (LLM) 支持和更多的模型压缩技术。

• 将 4 位权重压缩的 GPTQ 方法添加到 NNCF 中，以实现更高效的推理并提高压缩 LLM 的性能。
• 显著提高 LLM 性能并降低内置 GPU 和独立 GPU 的延迟。
• 在基于 AVX2（第 13 代英特尔® 酷睿™ 处理器）和 AVX512（第 3 代英特尔® 至强® 可扩展处理器）的 CPU 平台上，FP16 权重 LLM 的第 2 个令牌延迟和内存占用显著改善，尤其是对于小批量而言。
   

更高的可移植性和性能，可以在边缘、云端或本地运行 AI。

• 模型服务增强功能：
  • 预览：OpenVINO 模型服务器 (OVMS) 现在支持与 OpenAI 兼容的 API 以及连续批处理和 PagedAttention，在为许多并发用户提供 LLM 时，可以显著提高并行推理的吞吐量，尤其是在 Intel® Xeon® 处理器上。
  • 除了动态形状支持外，Triton Server 的 OpenVINO 后端现在还支持内置 GPU 和独立 GPU。
  • 通过 torch.compile OpenVINO 后端集成 TorchServe，以便轻松部署模型、配置多个实例、进行模型版本控制和维护。
• 预览：添加了 Generate API，这是一个简化的 API，仅需几行代码即可使用大型语言模型生成文本。该 API 可通过新推出的 OpenVINO GenAI 软件包获得。
• 支持 Intel Atom® 处理器 X 系列。有关更多详细信息，请参阅 系统要求。
• 预览：支持英特尔® 至强® 6 处理器。

OpenVINO™ Runtime

Common

• 现在支持使用 UINT2、UINT3 和 UINT6 的操作和数据类型，以实现更高效的 LLM 权重压缩。
• 常见的 OV 标头已经过优化，从而缩短了二进制编译时间并减少了二进制大小。

AUTO 推理模式

• 在选择设备以实现快速首次推理延迟时，AUTO 会考虑模型缓存。如果模型缓存已到位，AUTO 将直接使用所选设备，而不是暂时利用 CPU 作为首次推理设备。
• 动态模型现在被加载到选定的设备，而不是不考虑设备优先级而加载到 CPU。
• 修复了在具有动态输入或输出的状态模型中使用 AUTO 时出现的异常。

CPU 设备插件

• 在英特尔客户端平台上，包括 Core Ultra（代号 Meteor Lake）和第 13 代 Core 处理器（代号 Raptor Lake），使用 FP32 精度延迟模式时的性能得到了改进。
• 在基于 AVX2 和 AVX512 的 CPU 平台上，FP16 LLM 的第二个令牌延迟和内存占用得到了显著改善，尤其是对于小批量而言。
• PagedAttention 已在 AVX2、AVX512 和 AMX 平台上进行了优化，并支持 INT8 KV 缓存，以提高在 Intel CPU 上处理 LLM 工作负载时的性能。
• 具有共享嵌入的 LLM 已经过优化，以提高包括 Gemma 在内的多个模型的性能和内存消耗。
• 升级到 TBB 2021.2.5 后，基于 ARM 的服务器的性能得到显著提升。
• 提高了 ARM CPU 上的 FP32 和 FP16 性能。

GPU 设备插件

• 所有 GPU 平台上的 LLM 第一个令牌和平均令牌延迟均得到改善，在独立 GPU 上改善最为显著。LLM 的内存使用量也减少了。
• 在 Core Ultra 平台上，Stable Diffusion FP16 性能得到改善，对于具有动态形状输入的模型，管道得到显著改进。管道的内存使用量也得到了减少。
• 优化的permute_f_y内核性能得到了提升。

NPU 设备插件

• 现在有一组新的配置选项可用。
• 采用新的2408 NPU 驱动程序，性能提升已得到解锁 。

OpenVINO Python API

• 现在支持在基本场景中编写自定义 Python 运算符（与 OpenVINO C++ API 保持一致）。这使用户能够将自己的专门操作实现到任何模型中。即将发布的版本将提供全面支持和更多高级功能。

OpenVINO C API

• 现在支持更多元素类型以使用 OpenVINO C++ API。

OpenVINO Node.js API

• OpenVINO node.js 软件包现在支持 electron.js 框架。
• 扩展和改进了 JS API 文档，以获得更完整的使用指南。
• JS API 与 OpenVINO C++ API 更好地协调，为 JS 用户提供更多高级功能。

TensorFlow 框架支持

• 现支持 3 个新操作。请 在此处查看这些新操作。
• LookupTableImport 获得了更好的支持，这是 TF Hub 中两个模型所必需的：
  • mil-nce
  • openimages-v4-ssd-mobilenet-v2

TensorFlow Lite 框架支持

• 现在支持客户模型所需的 GELU 操作。

PyTorch 框架支持

• 现在支持 9 种新操作。
• aten::set_item 现在支持负索引。
• 当形状为列表时自适应池的问题已修复（PR  #24586）。

ONNX 支持

• 从现在开始应该使用 InputModel 接口，而不是许多已弃用的 API 和类符号。
• 已添加 ReduceMin-18 和 ReduceSumSquare-18 运算符的翻译，以满足客户模型请求。
• 当“无”被设置为默认值时，Gelu-20 操作员的行为已得到修复。

OpenVINO 模型服务器

• OpenVINO 模型服务器现在可以使用与 OpenAI 兼容的 API 来生成文本用例。
• 增加了对连续批处理和 PagedAttention 算法的支持，用于在高并发负载下快速高效地生成文本，尤其是在 Intel Xeon 处理器上。了解更多信息。

神经网络压缩框架

• nncf.compress_weights() 现在支持 GPTQ 方法，用于 LLM 的数据感知 4 位权重压缩。通过 nncf.compress_weights() 中的 gptq=True` 启用。
• 用于更精确的 4 位压缩 LLM 的比例估计算法。通过 nncf.compress_weights() 中的 scale_estimation=True` 启用。
• 在 nncf.compress_weights() 中添加了对具有 bf16 权重的模型的支持。
• nncf.quantize() 方法现在是 Quantization-Aware Training 中 PyTorch 模型量化初始化的推荐路径。有关更多详细信息，请参阅示例。
• 已添加 compressed_model.nncf.get_config() 和 nncf.torch.load_from_config() API 来保存和恢复量化的 PyTorch 模型。有关更多详细信息，请参阅示例。
• 已添加对具有自定义模块的 PyTorch 模型的 int8 量化的自动支持。现在无需在量化之前注册此类模块。

其他变更和已知问题

Jupyter Notebook

• 最新 notebook 以及 GitHub 验证状态可在 OpenVINO Notebooks 部分找到
• 以下笔记本已更新或新增：
  • 通过稳定的视频扩散将图像生成视频
  • 使用稳定级联生成图像
  • 使用 pix2pix-turbo 和 OpenVINO 一步将草图转换为图像
  • 使用 DynamiCrafter 和 OpenVINO 制作开放域图像动画
  • 使用 S3D MIL-NCE 和 OpenVINO 进行文本到视频检索
  • 使用 OpenVINO 转换和优化 YOLOv10
  • 使用 nanoLLaVA 和 OpenVINO 的视觉语言助手
  • 使用 YOLOV8 和 OpenVINO™ 的人员计数系统
  • 使用 PyTorch 框架通过 NNCF 进行量化稀疏性感知训练
  • 使用 OpenVINO 创建由 LLM 支持的聊天机器人

已知的问题

组件：TBB

编号: TBB-1400/ TBB-1401

描述：

在 2024.2 中，oneTBB 2021.2.x 用于英特尔 OpenVINO Ubuntu 和 Red Hat 发行版档案，而不是系统 TBB/oneTBB。这提高了新一代英特尔® 至强® 平台的性能，但可能会增加上一代某些型号的延迟。您可以使用 -DSYSTEM_TBB=ON构建 OpenVINO  ，以获得这些型号更好的延迟性能。

组件：python API

编号：CVS-141744

描述：

在提交后测试期间，我们发现与自定义操作相关的问题。修复已准备就绪，将在 2024.3 版本中提供。

– 初始问题：test_custom_op 在销毁时挂起，因为它正在等待试图获取 GIL 的线程。

– 第二个问题是 pybind11 不允许在当前范围之外使用 GIL，并且无法为析构函数释放 GIL。阻止析构函数和 GIL pybind/pybind11#1446

– 当前解决方案允许释放 InferRequest 的 GIL 以及所有由链式析构函数调用的 GIL。

组件：CPU Runtime

编号：  MFDNN-11428

描述：

由于采用了新的 OneDNN 库，大多数用例的性能都有所提高，特别是具有延迟提示的 AVX2 BRGEMM 内核，可能会注意到以下回归：

a. 某些模型的延迟回归，例如 MTL Windows 延迟模式下的 unet-camvid-onnx-0001 和 mask_rcnn_resnet50_atrous_coco

b. 如果使用吞吐量提示，英特尔客户端平台上的性能会下降

我们正在调查该问题并计划在后续版本中解决。

组件：硬件配置

身份证： 无

描述：

在较新的 CPU 上可能会观察到 LLM 性能下降。为了缓解这种情况，请修改 BIOS 中的默认设置，将系统更改为 2 NUMA 节点系统：

1.进入BIOS配置菜单。

2. 选择EDKII菜单->Socket配置->Uncore配置->Uncore常规配置->SNC。

3. SNC 设置默认设置为 AUTO  。将 SNC 设置更改为 禁用， 以便在启动时为每个处理器插槽配置一个 NUMA 节点。

4. 系统重启后，使用 numatcl -H 确认 NUMA 节点设置。预计在 2 插槽系统上仅会看到节点 0 和 1，映射如下：

节点 – 0 – 1

0 – 10 – 21

1 – 21 – 10

弃用和支持

不建议使用已弃用的功能和组件。它们可用于顺利过渡到新解决方案，将来会停用。要继续使用已停用的功能，您必须恢复到支持它们的最后一个 LTS OpenVINO 版本。有关更多详细信息，请参阅 OpenVINO 旧版功能和组件 页面。

2024 年停止的组件

• Runtime 组件：
  • 英特尔® 高斯与神经加速器（英特尔® GNA）。考虑将神经处理单元 (NPU) 用于低功耗系统，如英特尔® 酷睿™ Ultra 或第 14 代及更高版本。
  • OpenVINO C++/C/Python 1.0 API（请参阅 2023.3 API 过渡指南 以供参考）。
  • 所有 ONNX 前端遗留 API（称为 ONNX_IMPORTER_API）。
  • PerfomanceMode.UNDEFINED （ OpenVINO Python API 的一部分）。
• 工具：
  • 部署管理器。请参阅 安装 和 部署 指南以了解当前的分发选项。
  • 准确度检查器。
  • 训练后优化工具 （POT）。应使用神经网络压缩框架（NNCF）。
  •  用于 NNCF 与 huggingface/transformers集成的Git 补丁。 推荐的方法是使用 huggingface/optimum-intel 在 Hugging Face 的模型之上应用 NNCF 优化。
  • 支持 Apache MXNet、Caffe 和 Kaldi 模型格式。转换为 ONNX 可作为解决方案。

已弃用并将在将来删除

• 从 OpenVINO 2025 开始，OpenVINO™ 开发工具包（pip install openvino-dev）将从安装选项和分发渠道中删除。
• 模型优化器将在 OpenVINO 2025.0 中停用。请考虑改用 新的转换方法 。有关更多详细信息，请参阅 模型转换过渡指南。
• OpenVINO 属性 Affinity API 将从 OpenVINO 2025.0 开始停用。它将被 CPU 绑定配置 ( ) 取代ov::hint::enable_cpu_pinning。
• OpenVINO 模型服务器组件：
  • 将来会删除“自动形状”和“自动批量大小”（在运行时重塑模型）。建议改用 OpenVINO 的动态形状模型。
• 许多笔记本已被弃用。如需了解可用笔记本的最新列表，请参阅 OpenVINO™ 笔记本索引 (openvinotoolkit.github.io)。

OpenVINO 2024.2 Docker 镜像

为了方便快速上手 OpenVINO 2024.2 版本，我还编译了两个 OpenVINO 2024.2 docker 镜像，分别是 dev 镜像和 runtime 镜像，可以从如下的地址下载：

• dev 镜像（大小约 4.2GB，包含开发环境，Jupyter Notebook，适合开发）
• runtime 镜像（大小约 640MB，仅包含必须的 runtime 环境，适合产品部署）

先将上述的 docker 镜像 .tar 文件保存到本地，然后执行如下的命令加载 docker 镜像（以 dev 镜像为例）：

sudo docker load -i ubuntu_2204_openvino_dev_2024.2.tar

加载成功后运行如下命令查看：

sudo docker image list

执行如下的命令运行 OpenVINO 容器：

docker run -it --detach --name ubuntu_2204_openvino_dev_2024_2 --device /dev/dri:/dev/dri --device-cgroup-rule='c 189:* rmw' -p 8888:8888 -v /dev/bus/usb:/dev/bus/usb -v /path_on_your_host_machine:/home/openvino ubuntu_2204_openvino_dev:2024.2

容器运行成功后，访问 http://your_ip_address:8888 就可以正常看到如下的 Jupyter Notebook 登录界面，此时就可以开始使用 notebook 来体验 OpenVINO 2024.2 版本了。

英特尔官方的 notebooks 可以从这里下载：https://openvinotoolkit.github.io/openvino_notebooks/。