--sparsity

功能说明

使能全局稀疏特性。

AMCT（简称AMCT）4选2结构化稀疏后输出的模型，可能存在weight连续4个Cin维度元素中至少有2个为0的场景，模型转换时通过使能全局稀疏开关，将该场景下的元素筛选成2个，从而节省后续推理的计算量，提高推理性能。其原理如下：

weight中每4个连续的元素，会生成两组2bit的index。index取值范围为{0, 1, 2}，其中，第一个index表示前三个元素里面第1个非0元素的位置；第二个index表示后三个数里面最后一个非0数的位置。最终筛选成的index取值如下表格所示：

由于稀疏矩阵每4个int8元素将生成2个2bit的index和2个int8的稠密weight的元素，一个index为2bit，所以4个index组成一个int8的元素，因此最后输出的index矩阵的大小是稠密weight的1/4。其中：

index矩阵用来记录稀疏weight每4个元素中挑选出2个元素的index，在推理计算时由硬件读取，作为筛选元素的凭据。

各组件交互流程如下图所示：

1. AMCT工具对用户提供结构化稀疏的API接口，支持将稠密模型通过重训练的方式转成结构化稀疏的模型；输出基于框架的稀疏模型；模型结构上与稠密模型无差异，但在参数上已经实现了结构化稀疏，连续4个Cin维度元素中有2个为0。
2. FE根据sparsity=1，遍历所有支持结构化稀疏的算子类型（当前支持conv2d/matmulV2/fc）里的weight，确认当前的参数分布是否能采用4选2结构化稀疏特性。如果满足要求，将conv2d/matmulV2/fc替换为Conv2dCompress/MmatmulV2Compress/FCCompress，这三个算子原型新增Alg属性来区分使用的特性是weight压缩还是4选2结构化稀疏特性。
3. 插入CompressOp（复用weight压缩的CompressOp算子原型，增加Alg属性，用来区分weight压缩和结构化稀疏），完成结构化稀疏的weight重排和index生成。

关联参数

无。

由于硬件约束，该参数不能与--compress_weight_conf同时使用。

参数取值

参数值：

• 1：表示开启4选2结构化稀疏。
• 0：不开启稀疏特性。

参数默认值：0

推荐配置及收益

无。

示例

--sparsity=1

使用约束

使用该参数时，请确保模型是稀疏的模型，建议用户使用AMCT（TensorFlow）或AMCT（PyTorch）的组合压缩功能获取，且组合压缩只能是4选2结构化稀疏+量化感知训练模式。