blackbird/docs/reports/actpred_inference_speed_benchmark_20260813.md

actpred 推理速度基准测试报告（Pi 5 CPU vs Hailo-10 NPU）

日期：2026-08-13 设备：Raspberry Pi 5（4×A76）+ AI HAT 2（Hailo-10H） 模型：actpred（~450K 参数，frame_len=3，history_len=5，action_dim=18）

⚠️ 基线分辨率说明（2026-08-13 更新）

本报告 §1~§4 的全部数据均在 640×480 输入分辨率下测得。 提交 91b3004（2026-08-12）曾将模块默认输入分辨率改为 1920×1080（与 pybot 相机采集分辨率对齐）；2026-08-13 实机测速 发现 1080p 采集的预处理缩放（约 45ms）主导端到端延迟（§6.1）， 默认分辨率改回 640×480（config.py 默认 image_width/image_height），§1~§4 数据重新适用。 1920×1080 的 x86 复测数据见 §5，仅作分辨率影响趋势参考。

1. 测试方法

• PyTorch CPU：ActionPredictorInference(checkpoints/best_inference.pt)， 输入 3 帧 640×480 随机图 + 全零动作历史，预热 3 次后取 20 次均值（含 PIL 预处理）
• ONNX Runtime CPU：export_onnx.py 导出后 ORT 加载，纯模型推理， 预热 3 次后取 50 次均值
• Hailo-10 NPU：板载 resnet_v1_50_h10.hef（25M 参数，比 actpred 大 ~55 倍）， 新版 create_infer_model API 串行单帧，预热 10 次后取 200 次均值； 另有 hailortcli benchmark pipelined 吞吐

2. 结果

方案	延迟	吞吐	备注
PyTorch CPU	28.8 ms	34.8 FPS	含 PIL 图像预处理
ONNX Runtime CPU	5.9 ms	168.7 FPS	纯推理，float32 输入
Hailo-10 NPU（resnet50，串行单帧）	4.29 ms	233 FPS	含 Python/PCIe 开销
Hailo-10 NPU（resnet50，pipelined）	—	307 FPS	hailortcli benchmark

3. 解读

1. resnet50 参数量约为 actpred 的 55 倍，NPU 上 actpred HEF 推理预计 亚毫秒级，NPU 不会成为瓶颈；串行单帧 4.29ms 中 Python/PCIe 开销占比高，闭环可用 run_async 流水线进一步压低。
2. 不迁移 NPU 也完全够用：ONNX Runtime 比 PyTorch 快近 5 倍（169 FPS）， 是短期最优 CPU 方案。
3. HAT 的真实价值在于把推理从 CPU 卸载，让 4×A76 专注 pybot 主控循环与图像采集，而非绝对延迟。

4. 部署建议（按优先级）

1. 立即可用：给 actpred 加 ONNX Runtime 后端（改动小，收益 ~5 倍）
2. 有 x86 环境后：DFC 编译 HEF，走 actpred/hailo_infer.py 的 HailoPredictor 端到端验证
3. DFC 编译环境的说明：官方仅提供 x86_64 Linux wheel （hailo_dataflow_compiler-*-linux_x86_64.whl，无 arm64 构建）， 但 HEF 产物与主机架构无关，x86 上编译一次即可在树莓派长期使用； 无本机 x86 时可用云服务器临时实例或 QEMU 模拟（后者极慢，不推荐）。 编译环境调研详见 actpred_hailo_hat2_inference_research_20260813.md

5. 1920×1080 复测（2026-08-12，x86 参考机）

分辨率重构（91b3004）后在新默认分辨率下补测 CPU 部分 （Hailo 板载待有硬件环境后补测）：

方案	输入分辨率	延迟	备注
PyTorch CPU	1920×1080	701.6 ms	含 PIL 预处理，预热 2 次取 5 次均值
ONNX Runtime CPU	1920×1080	326.3 ms	纯推理，预热 2 次取 10 次均值

测试机：Intel i3-3240（2 核 4 线程，2012 年款），7.7 GB 内存； 与 Pi 5（4×A76）不可直接横向对比绝对值，仅用于观察分辨率影响趋势。

结论：

1. ONNX 相对 PyTorch 仍快约 2.2 倍，§4 的部署优先级方向不变；
2. 即便在 x86 桌面 CPU 上，1920×1080 单帧推理也需数百毫秒， 远不能满足实时闭环（原 640×480 报告推算 Pi 5 上将超过 1 秒）。 1920×1080 全分辨率闭环推理必须依赖：
   • Hailo HAT 2 NPU（uint8 量化 + 硬件加速，预期可压到几十毫秒级），或
   • 训练/推理时降低实际分辨率（如 960×540 或 640×360），或
   • 裁剪输入（ROI）后再推理；
3. 建议在 Pi 5 + HAT 2 环境补测 1920×1080（ONNX CPU / HEF NPU）， 并据此确定量产部署分辨率。

6. 224×224 复测（2026-08-13，Pi 5，当前 NPU 部署分辨率）

NPU 部署轮次以 224×224 的 pretrain_best_inference.pt 为准（HEF 编译 目标分辨率），据此补测 Pi 5 CPU 基线（3 帧 + 全零历史；episode 原始 图像即 224×224，无重采样开销）：

方案	输入分辨率	延迟	备注
PyTorch CPU	224×224	21.0 ms	含预处理，预热 3 次取 20 次均值
ONNX Runtime CPU	224×224	11.4 ms	含预处理，预热 3 次取 50 次均值
ONNX Runtime CPU	224×224	10.7 ms	纯 session.run（预缩放输入）
Hailo-10 NPU（actpred HEF，首版）	64×64	6.3 ms	含预处理 + 量化/反量化，驱动 5.3.0

6.1 归一化轮次 HEF 复测（2026-08-13 同日，输入连通性验证通过后）

同一轮次对通过 _npu_test.py 验收的归一化轮次 HEF （224×224，hailo_infer.py 帧归一化判定修复后）实测，预热 5 次取 50 次均值（纯 NPU run 取 200 次）：

方案	输入分辨率	延迟	备注
Hailo-10 NPU 端到端 predict	224×224	10.5 ms	含预处理 + 量化/反量化
Hailo-10 NPU 纯 run（绑定后循环）	—	4.4 ms	Python API/PCIe 开销主导，HEF 计算本身远小于此
Hailo-10 NPU 预处理（3 帧 resize+归一化）	224×224	3.4 ms	PIL resize 为主
PyTorch CPU（同机复测）	224×224	22.4 ms	含预处理
ONNX Runtime CPU（同机复测）	224×224	11.0 ms	含预处理，重新导出的当前 checkpoint

结论：

1. 224×224 下 NPU 端到端（10.5ms）与 ONNX Runtime（11.0ms）基本持平， 纯 NPU run 的 4.4ms 是 Python 绑定/PCIe 同步开销主导（对照 §2 resnet50 串行单帧同为 4.29ms，而 actpred 计算量仅其 ~1/55）。 后续可用 run_async 流水线把预处理与 NPU 执行重叠。
2. NPU 的价值不在绝对延迟而是把推理从 CPU 卸载，让 4×A76 专注 pybot 主控循环；CPU 侧 ORT 仍是有效的纯软件方案。
3. 1080p 采集是最大瓶颈：预处理随输入像素量增长，实测 640×480 输入 11.8ms、960×540 输入 15.7ms、1080p 输入 45.0ms （端到端分别 18.6 / 22.8 / 51.7ms）。部署建议摄像头以 640×480 或更低分辨率采集（或 224×224 中心裁剪 ROI）， 而不是全分辨率后缩放。

参考

• 张高兴的 Raspberry Pi AI 开发指南：将自定义模型编译为 Hailo NPU 的 .hef 模型
• Hailo Dataflow 编译器安装
• Hailo-8 系列——Hailo Dataflow Compiler 使用经验分享