手工量化

本节详细介绍训练后量化支持的量化层，接口调用流程和示例。

训练后量化支持量化的层以及约束如下，量化过程请参见样例列表。

表1 训练后量化支持的层以及约束
支持的层类型	约束	备注
MatMul：全连接层	transpose_a=False, transpose_b=False，adjoint_a=False，adjoint_b=False	-
BatchMatMul/BatchMatMulV2	adjoint_a=False，adjoint_b=False	-
Conv2D：卷积层	-	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。
DepthwiseConv2dNative：Depthwise卷积层	dilation=1
Conv2DBackpropInput：反卷积层	dilation=1
AvgPool：平均下采样层	-	-

接口调用流程

训练后量化接口调用流程如图1所示：

图1 训练后量化接口调用流程
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。工具使用分为如下两种场景，本手册重点介绍使用NPU在线推理场景。使用TensorFlow CPU推理的详细操作请参见训练后量化。

使用NPU在线推理：
1. 用户首先构造TensorFlow的原始模型，然后使用create_quant_config_ascend接口生成量化配置文件。
2. 根据TensorFlow模型和量化配置文件，即可调用quantize_model_ascend接口对原始TensorFlow模型进行优化，修改后的模型中包含了量化算法，用户使用该模型借助AMCT提供的数据集和校准集，在NPU环境中进行在线推理，可以得到量化因子。
  其中数据集用于在NPU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。
3. 最后用户可以调用save_model_ascend接口保存量化后的模型，该模型可在NPU环境中部署。
使用TensorFlow CPU推理：
- 场景1：
  1. 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。
  2. 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，修改后的模型中包含了量化算法，用户使用该模型借助AMCT提供的数据集和校准集，在TensorFlow CPU环境中进行推理，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。
  3. 最后用户可以调用save_model接口保存量化后的模型，该模型可在TensorFlow CPU环境中进行精度仿真。
- 场景2：
  如果用户不使用场景1中的接口，而是用自己计算得到的量化因子以及TensorFlow原始模型，生成量化模型，则需要使用convert_model接口完成相关量化动作。

调用示例

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，调用set_logging_level接口设置日志级别。

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

（可选，由用户补充处理）建议使用原始待量化的模型和测试集，基于TensorFlow在NPU环境下在线推理，验证环境、推理脚本是否正常。

执行该步骤时，需要注意如下两点：

推荐执行该步骤，确保原始模型可以在NPU完成推理且精度正常，如果该步骤无法完成，则将无法进行量化操作；如果该步骤的推理精度不满足要求，则后续量化精度结果将不可信。
执行该步骤时，可以使用部分测试集，减少运行时间。

        
             user_do_inference_on_npu(ori_model, test_data)

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

        
             ori_model = 'user_model.pb'
ori_graph = user_load_graph(ori_model)

调用AMCT，量化模型。

生成量化配置。

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

修改图，在图中插入量化相关的算子。

          
               record_file = './tmp/record.txt'
user_model_outputs = ['user_model_outputs0', 'user_model_outputs1']
calibration_graph, calibration_outputs = amct.quantize_model_ascend(
    graph=ori_graph,
    config_file=config_file,
    record_file=record_file,
    outputs=user_model_outputs)

（由用户补充处理）使用修改后的图在校准集上做在线推理，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。
量化后图的calibration_graph输出为calibration_outputs，在线推理时都要执行。

          
               user_do_inference_on_npu(calibration_graph, calibration_outputs, calibration_data)

保存模型。

          
               quant_model_path = './results/user_model'
amct.save_model_ascend(pb_model=ori_model,
	               outputs=user_model_outputs,
	               record_file=record_file,
	               save_path=quant_model_path)

（可选，由用户补充处理）使用量化后模型user_model_quantized.pb和测试集，在TensorFlow CPU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_on_cpu(quant_model, test_data)

父主题： 量化