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。

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，量化示例请参见样例列表。

表1 均匀量化支持的层以及约束
支持的层类型	约束	备注
MatMul	transpose_a=False, transpose_b=False，adjoint_a=False，adjoint_b=False	-
BatchMatMul/BatchMatMulV2	adj_x=False，adj_y=False	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推理产品当第二路输入来源不含有placeholder等可动态变化的节点且维度为2维时，进行Weight量化，插入AscendWeightQuant算子。其他场景进行两路输入量化，插入AscendQuant算子。
Conv2D	-	weight的输入来源不含有placeholder等可动态变化的节点，且weight的节点类型只能是const。
Conv3D	dilation_d为1，dilation_h/dilation_w >= 1
DepthwiseConv2dNative	-
Conv2DBackpropInput	dilation为1
AvgPool	-	-
MaxPool	只做tensor量化	-
Add	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
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，用户在TensorFlow原始网络推理的代码中导入库，并在特定的位置调用相应API，即可实现量化功能。工具运行流程如下：

用户首先构造TensorFlow的原始模型，然后使用create_quant_config接口生成量化配置文件。
根据TensorFlow模型和量化配置文件，即可调用quantize_model接口对原始TensorFlow模型进行优化，修改后的模型中插入数据量化、权重量化等相关算子，用于计算量化相关参数。
用户使用2输出的修改后的模型，借助AMCT提供的数据集和校准集，在TensorFlow环境中进行inference，可以得到量化因子。
其中数据集用于在TensorFlow环境中对模型进行推理时，测试量化数据的精度；校准集用来产生量化因子，保证精度。
最后用户可以调用save_model接口，插入AscendQuant、AscendDequant等算子，保存为量化模型，该模型既可在TensorFlow环境中进行精度仿真又可以在昇腾AI处理器部署。

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mobilenet_v2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：

准备训练好的模型和数据集。
在原始TensorFlow环境中验证模型精度以及环境是否正常。
编写训练后量化脚本调用AMCTAPI。
执行训练后量化脚本。
在原始TensorFlow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。

导入AMCT包，设置日志级别。

        
             import amct_tensorflow as amct
amct.set_logging_level(print_level='info', save_level='info')

（可选，由用户补充处理）在TensorFlow原始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TensorFlow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。

        
             user_do_inference(ori_model, test_data, test_iterations)

（由用户补充处理）根据模型user_model.pb，准备好图结构tf.Graph。
1

ori_graph = user_load_graph()

调用AMCT，量化模型。

生成量化配置。

          
               config_file = './tmp/config.json'
skip_layers = []
batch_num = 1
amct.create_quant_config(config_file=config_file,
			 graph=ori_graph,
			 skip_layers=skip_layers,
			 batch_num=batch_num)

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。

          
               record_file = './tmp/record.txt'
amct.quantize_model(graph=ori_graph,
                    config_file=config_file,
                    record_file=record_file)

使用AMCT调用quantize_model接口对用户的原始TensorFlow模型进行图修改时，由于插入了searchN层导致尾层输出节点发生改变的场景，可以参见TensorFlow网络模型由于AMCT导致输出节点改变，如何通过修改量化脚本进行后续的量化动作进行处理。如果量化过程存在空tensor输入报错信息，请参见使用训练后量化进行量化时，量化过程存在空tensor输入报错信息进行处理。

（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：

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。
前向推理的次数为batch_num，如果次数不够，后续过程会失败。

          
               user_do_inference(ori_graph, calibration_data, batch_num)

若校准时提示“Invalid argument: You must feed a value for placeholder tensor **”，请参见校准时提示“Invalid argument: You must feed a value for placeholder tensor **”进行处理。

若校准过程中如果提示“xxx calculate scale failed”错误信息，请参见IFMR数据量化时，存在"inf或NaN值"或"xxx calculate scale failed"，量化过程报错。

保存模型。

根据量化因子，调用save_model接口，插入AscendQuant、AscendDequant等算子，保存为量化模型。

           
                quant_model_path = './results/user_model'
amct.save_model(pb_model='user_model.pb',
                outputs=['user_model_outputs0', 'user_model_outputs1'],
                record_file=record_file,
                save_path=quant_model_path)

保存模型时提示“RuntimeError: cannot find shift_bit of layer ** in record_file”，则请参见保存模型时提示“RuntimeError: record_file is empty, no layers to be quantized”进行处理。

（可选，由用户补充处理）使用量化后模型user_model_quantized.pb和测试集（test_data），在TensorFlow环境下推理，测试量化后的仿真模型精度。

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_quantized.pb'
user_do_inference(quant_model, test_data, test_iterations)

父主题： 手工量化