简易配置文件

如果要自动控制量化过程，比如控制哪些层是否量化、控制使用什么量化算法，则可以通过本章节构造的cfg配置文件实现。

表1 calibration_config.proto参数说明
消息	是否必填	类型	字段	说明
AMCTConfig	-	-	-	AMCT训练后量化的简易配置。
	optional	bool	activation_offset	数据量化是否带offset。全局配置参数。带offset：数据量化使用非对称量化。不带offset：数据量化使用对称量化。
	optional	bool	joint_quant	是否进行Eltwise联合量化，默认为false，表示关闭联合量化功能。开启后对部分网络可能会存在性能提升但是精度下降的问题。
	repeated	string	skip_layers	不需要量化层的层名。
	repeated	string	skip_layer_types	不需要量化的层类型。
	optional	int32	version	简易配置文件的版本。
	optional	CalibrationConfig	common_config	通用的量化配置，全局量化配置参数。若某层未被override_layer_types或者override_layer_configs重写，则使用该配置。参数优先级：override_layer_configs>override_layer_types>common_config
	repeated	OverrideLayerType	override_layer_types	重写某一类型层的量化配置，即对哪些层进行差异化量化。例如全局量化配置参数配置的量化因子搜索步长为0.01，可以通过该参数对部分层进行差异化量化，可以配置搜索步长为0.02。参数优先级：override_layer_configs>override_layer_types>common_config
	repeated	OverrideLayer	override_layer_configs	重写某一层的量化配置，即对哪些层进行差异化量化。例如全局量化配置参数配置的量化因子搜索步长为0.01，可以通过该参数对部分层进行差异化量化，可以配置搜索步长为0.02。参数优先级：override_layer_configs>override_layer_types>common_config
	optional	bool	do_fusion	是否开启BN融合功能，默认为true，表示开启该功能。
	repeated	string	skip_fusion_layers	跳过BN融合的层，配置之后这些层不会进行BN融合。
	repeated	TensorQuantize	tensor_quantize	对网络模型中指定节点的输入Tensor进行训练后量化，来提高数据搬运时的推理性能。当前仅支持对MaxPool/Add/eltwise算子做tensor量化。
	optional	bool	enable_auto_nuq	是否开启权重自动非均匀量化功能。默认为false，表示不开启该功能。开启该功能，不影响用户已强制配置的量化层（通过简易配置文件中override_layer_configs配置的层），只会在剩余的均匀量化层中自动搜索因权重过大导致性能瓶颈的层，对其量化，提高权重的压缩率，从而达到降低带宽、提升性能的目的。若某层配置了仅支持权重量化（通过weight_compress_only配置为true），在剩余的均匀量化层中搜索时，不会再搜索仅支持权重量化的层。
OverrideLayerType	required	string	layer_type	支持量化的层类型的名称。
OverrideLayerType	required	CalibrationConfig	calibration_config	重置的量化配置。
OverrideLayer	-	-	-	重置某层量化配置。
	required	string	layer_name	被重置层的层名。
	required	CalibrationConfig	calibration_config	重置的量化配置。
CalibrationConfig	-	-	-	Calibration量化的配置。
	-	ARQuantize	arq_quantize	权重量化算法配置。 arq_quantize：ARQ量化算法配置。
	-	FMRQuantize	ifmr_quantize	数据量化算法配置。 ifmr_quantize：IFMR量化算法配置。
	-	NUQuantize	nuq_quantize	权重量化算法配置。 nuq_quantize：非均匀量化算法配置。
	optional	bool	weight_compress_only	是否只进行权重量化。仅权重量化场景，支持的数据类型必须为Float32，Float16。该特性目前仅适用于Atlas A2训练系列产品/Atlas 800I A2推理产品。 true：只进行权重量化。 false：权重和数据都量化。默认为false。只进行权重量化场景下，不支持同时配置IFMR数据量化和NUQ非均匀量化。
ARQuantize	-	-	-	ARQ权重量化算法配置。
	optional	bool	channel_wise	是否对每个channel采用不同的量化因子。 true：每个channel独立量化，量化因子不同。 false：所有channel同时量化，共享量化因子。
	optional	bool	asymmetric	是否对权重进行非对称量化。用于控制逐层量化算法的选择。只在weight_compress_only为true时生效，若weight_compress_only设置为false，则asymmetric只能设置为false。 true：权重量化使用非对称量化（offset不为0）。 false：权重量化使用对称量化（offset为0），默认为false。如果override_layer_configs、override_layer_types、common_config配置项都配置该参数，则生效优先级为： override_layer_configs>override_layer_types>common_config
FMRQuantize	-	-	-	FMR数据量化算法配置。
	optional	float	search_range_start	量化因子搜索范围左边界。
	optional	float	search_range_end	量化因子搜索范围右边界。
	optional	float	search_step	量化因子搜索步长。
	optional	float	max_percentile	最大值搜索位置。
	optional	float	min_percentile	最小值搜索位置。
	optional	bool	asymmetric	是否对数据进行非对称量化。用于控制逐层量化算法的选择。 true：非对称量化 false：对称量化如果override_layer_configs、override_layer_types、common_config配置项都配置该参数，或者配置了 activation_offset参数，则生效优先级为： override_layer_configs>override_layer_types>common_config>activation_offset
	optional	CalibrationDataType	dst_type	量化位宽，数据量化是采用INT8量化还是INT16量化，默认为INT8量化。当前版本仅支持INT8量化。
TensorQuantize	-	-	-	需要进行训练后量化的输入Tensor配置。
	required	string	layer_name	需要对节点输入Tensor进行训练后量化的节点名称，当前仅支持对MaxPool算子的输入Tensor进行量化。
	required	uint32	input_index	需要对节点输入Tensor进行训练后量化的节点的输入索引。
	-	FMRQuantize	ifmr_quantize	数据量化算法配置。 ifmr_quantize：IFMR量化算法配置。默认为IFMR量化算法。
NUQuantize	-	-	-	非均匀权重量化算法配置。
	optional	uint32	num_steps	非均匀量化的台阶数。当前仅支持设置为16和32。
	optional	uint32	num_of_iteration	非均匀量化优化的迭代次数。当前仅支持设置为{0,1,2,3,4,5}，0表示没有迭代。

基于该文件构造的均匀量化简易配置文件quant.cfg样例如下所示：Optype需要配置为基于Ascend IR定义的算子类型，详细对应关系请参见支持量化的层及约束。

# global quantize parameter
activation_offset : true
joint_quant : false
enable_auto_nuq : false
version : 1
skip_layers : "Optype"
skip_layer_types:"Optype"
do_fusion: true
skip_fusion_layers : "Optype"
common_config : {
    arq_quantize : {
        channel_wise : true
    }
    ifmr_quantize : {
        search_range_start : 0.7
        search_range_end : 1.3
        search_step : 0.01
        max_percentile : 0.999999
        min_percentile : 0.999999
        asymmetric : true
    }
}
 
override_layer_types : {
    layer_type : "Optype"
    calibration_config : {
        arq_quantize : {
            channel_wise : false
        }
        ifmr_quantize : {
            search_range_start : 0.8
            search_range_end : 1.2
            search_step : 0.02
            max_percentile : 0.999999
            min_percentile : 0.999999
            asymmetric : false
        }
    }
}
 
override_layer_configs : {
    layer_name : "Opname"
    calibration_config : {
        arq_quantize : {
            channel_wise : true
        }
        ifmr_quantize : {
            search_range_start : 0.8
            search_range_end : 1.2
            search_step : 0.02
            max_percentile : 0.999999
            min_percentile : 0.999999
            asymmetric : false
        }
    }
}
tensor_quantize {
    layer_name: "Opname"
    input_index: 0
    ifmr_quantize: {
        search_range_start : 0.7
        search_range_end : 1.3
        search_step : 0.01
        min_percentile : 0.999999
        asymmetric : false
       }
}
tensor_quantize {
    layer_name: "Opname"
    input_index: 0
}

基于该文件构造的仅权重量化简易配置文件quant.cfg配置示例：

activation_offset : true
joint_quant : false
version : 1
do_fusion: true
common_config : {
   weight_compress_only : true
    arq_quantize : {
        channel_wise : true
        asymmetric : false
    }
}
 
override_layer_types : {
    layer_type : "Optype"
    calibration_config : {
        weight_compress_only : true
        arq_quantize : {
            channel_wise : true
            asymmetric : true
        }
    }
}
 
override_layer_configs : {
    layer_name : "Opname"
    calibration_config : {
        weight_compress_only : true
        arq_quantize : {
            channel_wise : true
            asymmetric : true
        }
    }
}

基于该文件构造的非均匀量化简易配置文件quant.cfg配置示例：

# global quantize parameter
activation_offset : true
joint_quant : false
enable_auto_nuq : false

common_config : {
    arq_quantize : {
        channel_wise : true
    }
    ifmr_quantize : {
        search_range_start : 0.7
        search_range_end : 1.3
        search_step : 0.01
        max_percentile : 0.999999
        min_percentile : 0.999999
        asymmetric : true
    }
}

override_layer_types : {
    layer_type : "Optype"
    calibration_config : {
        arq_quantize : {
            channel_wise : false
        }
        ifmr_quantize : {
            search_range_start : 0.7
            search_range_end : 1.3
            search_step : 0.01
            max_percentile : 0.999999
            min_percentile : 0.999999
            asymmetric : false
        }
    }
}
override_layer_configs : {
    layer_name : "Opname"
    calibration_config : {
        nuq_quantize : {
            num_steps : 32
            num_of_iteration : 1
        }
        ifmr_quantize : {
            search_range_start : 0.8
            search_range_end : 1.2
            search_step : 0.02
            max_percentile : 0.999999
            min_percentile : 0.999999
            asymmetric : false
        }
    }
}
tensor_quantize {
    layer_name: "Opname"
    input_index: 0
    ifmr_quantize: {
        search_range_start : 0.7
        search_range_end : 1.3
        search_step : 0.01
        min_percentile : 0.999999
        asymmetric : false
    }
}
tensor_quantize {
    layer_name: "Opname"
    input_index: 0
}

父主题： 自动量化