下载
中文
注册
我要评分
文档获取效率
文档正确性
内容完整性
文档易理解
在线提单
论坛求助
昇腾小AI

均匀量化

均匀量化是指量化后的数据比较均匀地分布在某个数值空间中,例如INT8量化就是用只有8比特的INT8数据来表示32比特的FP32数据或16比特的FP16数据,将FP32/FP16的卷积运算过程(乘加运算)转换为INT8的卷积运算,加速运算和实现模型压缩;均匀的INT8量化则是量化后数据比较均匀地分布在INT8的数值空间[-128, 127]中。

均匀量化支持量化的层以及约束如下,量化示例请参见样例列表

表1 均匀量化支持量化的层以及约束

支持的层类型

约束

Conv:卷积层

支持4维或5维输入,且权重类型为constant或Initializer的量化。

Gemm:广义矩阵乘

transpose_a=false,Alpha=Beta=1.0;权重类型为constant或Initializer。

MatMul:全连接层

  • 当第二路输入为常量const时,仅支持2维;权重类型为constant或Initializer。
  • 当两路输入都为变量tensor时,仅支持INT8对称量化。

    两路输入都为变量tensor量化场景,只在如下产品型号能获得收益,其他产品型号量化后精度会下降:

    Atlas 200/500 A2推理产品

    Atlas A2训练系列产品/Atlas 800I A2推理产品

ConvTranspose:转置卷积层

仅支持4维输入,且权重类型为constant或Initializer的量化。

AveragePool:平均池化层

仅支持4维输入场景下的量化。

MaxPool:最大池化层

只做tensor量化。

Add:按元素求和层

只做tensor量化。

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
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,使用流程如下:
  1. 用户准备ONNX原始模型,然后使用create_quant_config生成量化配置文件。
  2. 根据ONNX模型和量化配置文件,即可调用quantize_model接口对原始ONNX模型进行量化前优化,包括Conv+BN融合等,插入权重量化算子,进行权重量化;插入数据量化算子,得到校准模型。
  3. 用户基于ONNX Runtime以及校准集,执行校准模型推理完成数据量化,并将量化因子输出到文件中。
  4. 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:模型名中包含fake_quant,可以在ONNX执行框架ONNX Runtime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、Conv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:模型名中包含deploy,经过ATC转换工具转换后可部署到昇腾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

本章节详细给出训练后量化的模板代码解析说明,通过解读该代码,用户可以详细了解AMCT的工作流程以及原理,方便用户基于已有模板代码进行修改,以便适配其他网络模型的量化。

用户可以参见resnet-101获取本章节的sample示例代码。训练后量化主要包括如下几个步骤:

  1. 准备训练好的模型和数据集。
  2. 在原始ONNX Runtime环境中验证模型精度以及环境是否正常。
  3. 编写训练后量化脚本调用AMCTAPI。
  4. 执行训练后量化脚本。
  5. 在原始ONNX Runtime环境中验证量化后仿真模型精度。

如下流程详细演示如何编写脚本调用AMCTAPI进行模型量化。

  • 如下示例标有“由用户补充处理”的步骤,需要用户根据自己的模型和数据集进行补充处理,示例中仅为示例代码。
  • 如下示例调用AMCT的部分,函数入参请根据实际情况进行调整。
  1. 导入AMCT包,并通过设置环境变量日志级别。
    1
    import amct_onnx as amct
    
  2. (可选,由用户补充处理)在ONNX Runtime环境中验证推理脚本及环境。

    建议使用原始待量化的模型和测试集,在ONNX Runtime环境下推理,验证环境、推理脚本是否正常。

    推荐执行该步骤,请确保原始模型可以完成推理且精度正常;执行该步骤时,可以使用部分测试集,减少运行时间。

    1
    user_do_inference(ori_model, test_data, test_iterations)
    
  3. 调用AMCT,量化模型。
    1. 生成量化配置。
      1
      2
      3
      4
      5
      6
      7
      config_file = './tmp/config.json'
      skip_layers = []
      batch_num = 1
      amct.create_quant_config(config_file=config_file,
      			 model_file=ori_model,
      			 skip_layers=skip_layers,
      			 batch_num=batch_num)
      
    2. 修改图,在图中插入数据量化,权重量化等相关的算子,用于计算量化相关参数。
      1
      2
      3
      4
      5
      6
      record_file = './tmp/record.txt'
      modified_model = './tmp/modified_model.onnx'
      amct.quantize_model(config_file=config_file,
                          ori_model=ori_model,
                          modified_onnx_file=modified_model,
                          record_file=record_file)
      
    3. (由用户补充处理)使用修改后的图在校准集上做模型推理,找到量化因子。

      该步骤执行时,需要注意如下两点:

      1. 校准集及其预处理过程数据要与模型匹配,以保证量化的精度。
      2. 前向推理的次数为batch_num,如果次数不够,后续过程会失败。

      若校准过程中有错误信息,则可以尝试参见校准过程中提示"IFMR node. Name:'layer_ifmr_op' Status Message: std::bad_alloc "信息校准过程中出现"killed"信息进行处理。

      若校准执行过程中提示"IfmrQuantWithOffset scale is illegal",则请参见校准执行过程中提示“[IfmrQuantWithoutOffset]scale is illegal”处理。

      1
      user_do_inference(modified_onnx_file, calibration_data, batch_num)
      
    4. 保存模型。
      根据量化因子以及修改后的模型,调用save_model接口,插入AscendQuant、AscendDequant等算子,保存为量化模型。
      1
      2
      3
      4
      quant_model_path = './results/user_model'
      amct.save_model(modified_onnx_file=modified_model,
                      record_file=record_file,
                      save_path=quant_model_path)
      
  4. (可选,由用户补充处理)基于ONNX Runtime的环境,使用量化后模型(quant_model)在测试集(test_data)上做推理,测试量化后仿真模型的精度。

    使用量化后仿真模型精度与2中的原始精度做对比,可以观察量化对精度的影响。

    quant_model = './results/user_model_fake_quant_model.onnx'
    user_do_inference(quant_model, test_data, test_iterations)

    如果量化后仿真模型在CPU推理速度,相较于原始模型推理速度变慢,则可以尝试通过设置如下环境变量解决:

    #设置执行期间使用的线程数
    export OMP_NUM_THREADS=8

    环境变量的取值,跟模型数据量大小,运行环境的CPU数量相关,比如Resnet101模型,数据量大小为10W量级,线程数可以设置为8。

搜索结果
找到“0”个结果

当前产品无相关内容

未找到相关内容,请尝试其他搜索词