--compression_optimize_conf

功能说明

压缩优化功能配置文件路径以及文件名，通过该参数使能配置文件中指定的压缩优化特性，从而提升网络性能。

关联参数

若通过该参数配置了calibration量化特性，则不能再使用高精度特性，比如不能再通过--precision_mode参数配置force_fp32或must_keep_origin_dtype（原图fp32输入）；不能通过--op_precision_mode配置high_precision参数等。在高精度模式下设置量化参数，既拿不到量化的性能收益，也拿不到高精度模式的精度收益。

参数取值

参数值：配置文件路径以及文件名。

参数值格式：路径和文件名：支持大小写字母（a-z，A-Z）、数字（0-9）、下划线（_）、中划线（-）、句点（.）、中文汉字。

参数值约束：当前配置文件仅支持calibration特性，用于使能graph压缩功能。配置文件中冒号前面表示模型压缩特征，冒号后面表示该特性对应的参数。具体请参考示例。

参数默认值：无。

示例

假设模型压缩功能配置文件名称为compression_optimize.cfg，文件内容配置示例如下：

calibration: 
{
    input_data_dir: ./data.bin,d2.bin
    input_shape: in:16,16;in1:16,16
    config_file: simple_config.cfg
    infer_soc: xxxxxx
    infer_device_id: 0 
    infer_ip: x.x.x.x
    infer_port: 8000
    log: info
}

calibration：训练后量化，是指在模型训练结束之后进行的量化，对训练后模型中的权重由浮点数（当前支持float32）量化到低比特整数（当前支持int8），并通过少量校准数据基于推理过程对数据（activation）进行校准量化，进而加速模型推理速度。训练后量化简单易用，只需少量校准数据，适用于追求高易用性和缺乏训练资源的场景。训练后量化的样例请单击Link获取。
各参数说明如下，
- input_data_dir：必选配置，模型输入校准数据的bin文件路径。若模型有多个输入，则多个输入的bin数据文件以英文逗号分隔。校准数据集用来计算量化参数，获取校准集时应该具有代表性，推荐使用测试集的子集作为校准数据集。校准数据的bin文件的生成方式可以参考链接。
- input_shape：必选配置，模型输入校准数据的shape信息，例如：input_name1:n1,c1,h1,w1;input_name2:n2,c2,h2,w2，节点中间使用英文分号分隔。
- config_file：可选配置，训练后量化简易配置文件，该文件配置示例以及参数解释请参见简易配置文件。
- infer_soc：必选配置，进行训练后量化校准推理时，所使用的芯片名称，取值如下。
  Atlas 200/300/500 推理产品参数值：Ascend310
  
  Atlas 推理系列产品（Ascend 310P处理器）参数值：Ascend310P1、Ascend310P3
  
  Atlas 训练系列产品参数值：AscendxxxA、AscendxxxB
  
  Atlas 200I/500 A2推理产品参数值：Ascend310B1、Ascend310B2、Ascend310B3、Ascend310B4
  
  Atlas A2训练系列产品/Atlas 800I A2推理产品参数值：AscendxxxB1、AscendxxxB2、AscendxxxB3、AscendxxxB4。
- infer_device_id：可选配置，进行训练后量化校准推理时所使用昇腾AI处理器设备的ID，默认为0。
- infer_ip：Ascend RC场景，配置为NCS软件包所在服务器IP地址。当AOE调优时携带了"--ip"参数时，不能配置该参数，否则系统会报错。
- infer_port：Ascend RC场景，配置为NCS软件包所在服务器端口。当AOE调优时携带了"--port"参数时，不能配置该参数，否则系统会报错。
- log：可选配置，设置训练后量化时的日志等级，该参数只控制训练后量化过程中显示的日志级别，默认显示info级别：
  - debug：输出debug/info/warning/error/event级别的日志信息。
  - info：输出info/warning/error/event级别的日志信息。
  - warning：输出warning/error/event级别的日志信息。
  - error：输出error/event级别的日志信息。
  此外，训练后量化过程中的日志打屏以及日志落盘信息由AMCT_LOG_DUMP环境变量进行控制：
  - export AMCT_LOG_DUMP=1：表示日志打印到屏幕，不保存量化因子record文件和graph文件。
  - export AMCT_LOG_DUMP=2：将日志落盘到当前路径的amct_log_$时间戳/amct_acl.log文件中，并保存量化因子record文件。
  - export AMCT_LOG_DUMP=3：将日志落盘到当前路径的amct_log_$时间戳/amct_acl.log文件中，并保存量化因子record文件和graph文件。
  为防止日志文件、record文件、graph文件持续落盘导致磁盘被写满，请及时清理这些文件。
  
  如果用户配置了ASCEND_WORK_PATH环境变量，则上述日志、量化因子record文件和graph文件存储到该环境变量指定的路径下，例如ASCEND_WORK_PATH=/home/test，则存储路径为：/home/test/amct_acl/amct_log_{pid}_$时间戳。其中，amct_acl模型转换过程中会自动创建，{pid}为进程号。

将该文件上传到AOE工具所在服务器，例如上传到${HOME}/module，使用示例如下：

--compression_optimize_conf=${HOME}/module/compression_optimize.cfg

依赖约束

使用配置文件中的calibration训练后量化功能时，只支持带NPU设备的安装场景，详细介绍请参见手册搭建对应产品环境。
使用配置文件中的calibration进行训练后量化功能时，AOE工具会调用AMCT量化接口执行相关操作，原理图如下：
图1 训练后量化原理简图

父主题： 高级功能

--compression_optimize_conf

功能说明

关联参数

参数取值

推荐配置及收益

示例

依赖约束