工具实现的融合功能

当前该工具主要实现的融合功能，分为如下几类（如下融合场景中涉及的单个算子，需要先满足量化场景的约束条件）：

• AMCT在量化前会对模型中的"Conv2D/Conv3D+BatchNorm"结构做Conv+BN融合，融合后的"BatchNorm"层会被删除。
• Depthwise_Conv+BN融合：AMCT在量化前会对模型中的"DepthwiseConv2dNative+BatchNorm"结构做Depthwise_Conv+BN融合，融合后的"BatchNorm"层会被删除。
• OP+(BiasAdd)+Mul融合：AMCT在量化前会对模型中的“Conv2D/Conv3D/MatMul/DepthwiseConv2dNative/Conv2DBackpropInput+Mul”和“Conv2D/MatMul/DepthwiseConv2d/Conv2DBackpropInput+BiasAdd+Mul”结构做OP+(BiasAdd)+Mul融合，融合后的“Mul”层会被删除。

  该场景下，要求Mul的另外一路输入为Const类型，且Shape为空。

• Group_conv+BN融合：如果模型中使用"Split+多路Conv2D/Conv3D+ ConcatV2（或Concat，且Concat在C轴）"表示Group_conv，AMCT在量化前会对模型中"Group_conv+BatchNorm"结构做融合，融合后的"BatchNorm"层会被删除。

  BN支持融合的算子类型为FusedBatchNorm, FusedBatchNormV2 和FusedBatchNormV3。

• BN小算子融合为FusedBatchNormV3大算子：仅训练后量化支持，并且只有Conv+BN或者Conv+BiasAdd+BN结构才会触发BN小算子融合为大算子，且仅支持BN小算子输入为4维的场景。
  AMCT对tf.keras.layers.BatchNormalization产生的小算子结构的BN进行匹配，并且将匹配到的小算子BN结构替换为大算子的BN结构，具体支持的小算子BN结构的场景如下所示：

  • tf.keras.layers.BatchNormalization接口满足：入参fused=False，调用参数inputs, training=False，融合前后网络结构图为：

    

  • tf.keras.layers.BatchNormalization接口满足：入参fused=False, center=False，调用参数inputs, training=False，融合前后网络结构图为：

    

  • tf.keras.layers.BatchNormalization接口满足：入参fused=False, scale=False，调用参数inputs, training=False，融合前后网络结构图为：

    

  • tf.keras.layers.BatchNormalization接口满足：入参fused=False, scale=False, center=False，调用参数inputs, training=False，融合前后网络结构图为：