均匀量化

如果均匀量化后的模型精度无法满足要求，则需要进行基于精度的自动量化或量化感知训练或手工调优。均匀量化支持量化的层以及约束如下，量化示例请参见获取更多样例。

表1 均匀量化支持的层以及约束
量化方式	支持的层类型	约束	备注
均匀量化	torch.nn.Linear	-	复用层（共用weight和bias参数）不支持量化。
	torch.nn.Conv2d	padding_mode为zeros
	torch.nn.Conv3d	dilation_d为1，dilation_h/dilation_w >= 1
	torch.nn.ConvTranspose2d	padding_mode为zeros
	torch.nn.AvgPool2d	-	-

接口调用流程

均匀量化接口调用流程如图1所示。

图1 均匀量化接口调用流程
点击放大

蓝色部分为用户实现，灰色部分为用户调用AMCT提供的API实现，工具使用分为如下场景：

用户首先构造PyTorch的原始模型，然后使用create_quant_config生成量化配置文件。
根据PyTorch模型和量化配置文件，即可调用quantize_model接口对原始PyTorch模型进行优化，优化后的PyTorch模型中包含了量化算法。
使用校准集在PyTorch环境下执行前向推理，产生量化因子，并将量化因子输出到文件中。
最后用户可以调用save_model接口保存量化后的模型，包括可在ONNX执行框架ONNX Runtime环境中进行精度仿真的模型文件和可部署在昇腾AI处理器的模型文件。
- 精度仿真模型文件：ONNX格式的模型文件，模型名中包含fake_quant，可以在ONNX Runtime环境进行精度仿真。
  fake_quant模型主要用于验证量化后模型的精度，可以在ONNX Runtime环境下运行。进行前向推理的计算过程中，在fake_quant模型中对卷积层等的输入数据和权重进行了量化反量化的操作，来模拟量化后的计算结果，从而快速验证量化后模型的精度。如下图所示，以INT8量化为例，Quant层、Conv2d卷积层和DeQuant层之间的数据都是Float32数据类型的，其中Quant层将数据量化到INT8又反量化为Float32，权重也是量化到INT8又反量化为Float32，实际卷积层的计算是基于Float32数据类型的，该模型用于在ONNX Runtime环境验证量化后模型的精度，不能够用于ATC工具转换成om模型。
  图2 fake_quant模型
- 部署模型文件：ONNX格式的模型文件，模型名中包含deploy，经过ATC转换工具转换后可部署到在昇腾AI处理器。
  以INT8量化为例，deploy模型由于已经将权重等转换成为了INT8, INT32类型，因此不能在ONNX Runtime环境上执行推理计算。如下图所示，deploy模型的AscendQuant层将Float32的输入数据量化为INT8，作为卷积层的输入，权重也是使用INT8数据类型作为计算，在deploy模型中的卷积层的计算是基于INT8，INT32数据类型的，输出为INT32数据类型经过AscendDeQuant层转换成Float32数据类型传输给下一个网络层。
  图3 deploy模型

调用示例

调用示例请参见快速入门。

父主题： 手工量化