deeplearning量化

deeplearning量化

量化配置

通过字典配置量化参数

TENSORRT_OP_TYPES = [

\'mul\', \'conv2d\', \'pool2d\', \'depthwise_conv2d\', \'elementwise_add\',

\'leaky_relu\'

]

TRANSFORM_PASS_OP_TYPES = [\'conv2d\', \'depthwise_conv2d\', \'mul\']

QUANT_DEQUANT_PASS_OP_TYPES = [

"pool2d", "elementwise_add", "concat", "softmax", "argmax", "transpose",

"equal", "gather", "greater_equal", "greater_than", "less_equal",

"less_than", "mean", "not_equal", "reshape", "reshape2",

"bilinear_interp", "nearest_interp", "trilinear_interp", "slice",

"squeeze", "elementwise_sub", "relu", "relu6", "leaky_relu", "tanh", "swish"

]

_quant_config_default = {

# weight quantize type, default is \'channel_wise_abs_max\'

\'weight_quantize_type\': \'channel_wise_abs_max\',

# activation quantize type, default is \'moving_average_abs_max\'

\'activation_quantize_type\': \'moving_average_abs_max\',

# weight quantize bit num, default is 8

\'weight_bits\': 8,

# activation quantize bit num, default is 8

\'activation_bits\': 8,

# ops of name_scope in not_quant_pattern list, will not be quantized

\'not_quant_pattern\': [\'skip_quant\'],

# ops of type in quantize_op_types, will be quantized

\'quantize_op_types\': [\'conv2d\', \'depthwise_conv2d\', \'mul\'],

# data type after quantization, such as \'uint8\', \'int8\', etc. default is \'int8\'

\'dtype\': \'int8\',

# window size for \'range_abs_max\' quantization. defaulf is 10000

\'window_size\': 10000,

# The decay coefficient of moving average, default is 0.9

\'moving_rate\': 0.9,

# if True, \'quantize_op_types\' will be TENSORRT_OP_TYPES

\'for_tensorrt\': False,

# if True, \'quantoze_op_types\' will be TRANSFORM_PASS_OP_TYPES + QUANT_DEQUANT_PASS_OP_TYPES

\'is_full_quantize\': False

}

参数：

weight_quantize_type(str) - 参数量化方式。可选 \'abs_max\' , \'channel_wise_abs_max\' , \'range_abs_max\' , \'moving_average_abs_max\' 。如果使用 TensorRT 加载量化后的模型来预测，使用 \'channel_wise_abs_max\' 。默认 \'channel_wise_abs_max\' 。
activation_quantize_type(str) - 激活量化方式，可选 \'abs_max\' , \'range_abs_max\' , \'moving_average_abs_max\' 。如果使用 TensorRT 加载量化后的模型来预测，使用 \'range_abs_max\', \'moving_average_abs_max\' ，默认 \'moving_average_abs_max\' 。
weight_bits(int) - 参数量化bit数，默认8, 可选1-8，推荐设为8，因为量化后的数据类型是 int8 。
activation_bits(int) - 激活量化bit数，默认8，可选1-8，推荐设为8，因为量化后的数据类型是 int8 。
not_quant_pattern(str | list[str]) - 所有 name_scope 包含 \'not_quant_pattern\' 字符串的 op ，都不量化, 设置方式参考 fluid.name_scope 。
quantize_op_types(list[str]) - 需要进行量化的 op 类型，目前支持 \'conv2d\', \'depthwise_conv2d\', \'mul\' 。
dtype(int8) - 量化后的参数类型，默认 int8 , 目前仅支持 int8 。
window_size(int) - \'range_abs_max\' 量化方式的 window size ，默认10000。
moving_rate(int) - \'moving_average_abs_max\' 量化方式的衰减系数，默认 0.9。
for_tensorrt(bool) - 量化后的模型是否使用 TensorRT 进行预测。如果是的话，量化op类型为： TENSORRT_OP_TYPES 。默认值为False.
is_full_quantize(bool) - 是否量化所有可支持op类型。可量化op为 TRANSFORM_PASS_OP_TYPES + QUANT_DEQUANT_PASS_OP_TYPES 。默认值为False.

quant_aware

paddleslim.quant.quant_aware(program, place, config, scope=None, for_test=False)

在 program 中加入量化和反量化op, 用于量化训练。

参数：

program (fluid.Program) - 传入训练或测试program 。
place(fluid.CPUPlace | fluid.CUDAPlace) - 该参数表示 Executor 执行所在的设备。
config(dict) - 量化配置表。
scope(fluid.Scope, optional) - 传入用于存储 Variable 的 scope ，需要传入 program 所使用的 scope ，一般情况下，是 fluid.global_scope() 。设置为 None 时将使用 fluid.global_scope() ，默认值为 None 。
for_test(bool) - 如果 program 参数是一个测试 program ， for_test 应设为True，否则设为False 。

含有量化和反量化 operator 的 program 。

返回类型

当 for_test=False ，返回类型为 fluid.CompiledProgram ， 注意，此返回值不能用于保存参数 。
当 for_test=True ，返回类型为 fluid.Program 。

注解

此接口会改变program 结构，并且可能增加一些persistable的变量，所以加载模型参数时注意和相应的 program 对应。
此接口底层经历了 fluid.Program -> fluid.framework.IrGraph -> fluid.Program 的转变，在 fluid.framework.IrGraph 中没有 Parameter 的概念，Variable 只有 persistable 和not persistable的区别，所以在保存和加载参数时，使用 fluid.io.save_persistables 和 fluid.io.load_persistables 接口。
由于此接口会根据 program 的结构和量化配置来对program 添加op，所以 Paddle 中一些通过 fuse op 来加速训练的策略不能使用。已知以下策略在使用量化时必须设为False ： fuse_all_reduce_ops, sync_batch_norm 。
如果传入的 program 中存在和任何op都没有连接的 Variable ，则会在量化的过程中被优化掉。

convert

paddleslim.quant.convert(program, place, config, scope=None, save_int8=False)

把训练好的量化 program ，转换为可用于保存 inference model 的 program 。

参数：

program (fluid.Program) - 传入测试 program 。
place(fluid.CPUPlace | fluid.CUDAPlace) - 该参数表示 Executor 执行所在的设备。
config(dict) - 量化配置表。
scope(fluid.Scope) - 传入用于存储 Variable 的 scope ，需要传入 program 所使用的 scope ，一般情况下，是 fluid.global_scope() 。设置为 None 时将使用 fluid.global_scope() ，默认值为 None 。
save_int8（bool) - 是否需要返回参数为 int8 的 program 。该功能目前只能用于确认模型大小。默认值为 False 。

program (fluid.Program) - freezed program，可用于保存inference model，参数为 float32 类型，但其数值范围可用int8表示。
int8_program (fluid.Program) - freezed program，可用于保存inference model，参数为 int8 类型。当 save_int8 为False 时，不返回该值。

注解

因为该接口会对 op 和 Variable 做相应的删除和修改，所以此接口只能在训练完成之后调用。如果想转化训练的中间模型，可加载相应的参数之后再使用此接口。

代码示例

#encoding=utf8

import paddle.fluid as fluid

import paddleslim.quant as quant

train_program = fluid.Program()

with fluid.program_guard(train_program):

image = fluid.data(name=\'x\', shape=[None, 1, 28, 28])

label = fluid.data(name=\'label\', shape=[None, 1], dtype=\'int64\')

conv = fluid.layers.conv2d(image, 32, 1)

feat = fluid.layers.fc(conv, 10, act=\'softmax\')

cost = fluid.layers.cross_entropy(input=feat, label=label)

avg_cost = fluid.layers.mean(x=cost)

use_gpu = True

place = fluid.CUDAPlace(0) if use_gpu else fluid.CPUPlace()

exe = fluid.Executor(place)

exe.run(fluid.default_startup_program())

eval_program = train_program.clone(for_test=True)

#配置

config = {\'weight_quantize_type\': \'abs_max\',

\'activation_quantize_type\': \'moving_average_abs_max\'}

build_strategy = fluid.BuildStrategy()

exec_strategy = fluid.ExecutionStrategy()

#调用api

quant_train_program = quant.quant_aware(train_program, place, config, for_test=False)

quant_eval_program = quant.quant_aware(eval_program, place, config, for_test=True)

#关闭策略

build_strategy.fuse_all_reduce_ops = False

build_strategy.sync_batch_norm = False

quant_train_program = quant_train_program.with_data_parallel(

loss_name=avg_cost.name,

build_strategy=build_strategy,

exec_strategy=exec_strategy)

inference_prog = quant.convert(quant_eval_program, place, config)

更详细的用法参考量化训练demo 。

quant_post

paddleslim.quant.quant_post(executor, model_dir, quantize_model_path,sample_generator, model_filename=None, params_filename=None, batch_size=16,batch_nums=None, scope=None, algo=\'KL\', quantizable_op_type=["conv2d", "depthwise_conv2d", "mul"], is_full_quantize=False, weight_bits=8, activation_bits=8, is_use_cache_file=False, cache_dir="./temp_post_training")

对保存在 ${model_dir} 下的模型进行量化，使用 sample_generator 的数据进行参数校正。

参数:

executor (fluid.Executor) - 执行模型的executor，可以在cpu或者gpu上执行。
model_dir（str) - 需要量化的模型所在的文件夹。
quantize_model_path(str) - 保存量化后的模型的路径
sample_generator(python generator) - 读取数据样本，每次返回一个样本。
model_filename(str, optional) - 模型文件名，如果需要量化的模型的参数存在一个文件中，则需要设置 model_filename 为模型文件的名称，否则设置为 None 即可。默认值是 None 。
params_filename(str) - 参数文件名，如果需要量化的模型的参数存在一个文件中，则需要设置 params_filename 为参数文件的名称，否则设置为 None 即可。默认值是 None 。
batch_size(int) - 每个batch的图片数量。默认值为16 。
batch_nums(int, optional) - 迭代次数。如果设置为 None ，则会一直运行到 sample_generator 迭代结束，否则，迭代次数为 batch_nums, 也就是说参与对 Scale 进行校正的样本个数为 \'batch_nums\' * \'batch_size\' .
scope(fluid.Scope, optional) - 用来获取和写入 Variable , 如果设置为 None ,则使用 fluid.global_scope() . 默认值是 None .
algo(str) - 量化时使用的算法名称，可为 \'KL\' 或者 \'direct\' 。该参数仅针对激活值的量化，因为参数值的量化使用的方式为 \'channel_wise_abs_max\' . 当 algo 设置为 \'direct\' 时，使用校正数据的激活值的绝对值的最大值当作 Scale 值，当设置为 \'KL\' 时，则使用KL散度的方法来计算 Scale 值。默认值为 \'KL\' 。
quantizable_op_type(list[str]) - 需要量化的 op 类型列表。默认值为 ["conv2d", "depthwise_conv2d", "mul"] 。
is_full_quantize(bool) - 是否量化所有可支持的op类型。如果设置为False, 则按照 \'quantizable_op_type\' 的设置进行量化。如果设置为True, 则按照量化配置中 QUANT_DEQUANT_PASS_OP_TYPES + QUANT_DEQUANT_PASS_OP_TYPES 定义的op进行量化。
weight_bits(int) - weight的量化比特位数, 默认值为8。
activation_bits(int) - 激活值的量化比特位数, 默认值为8。
is_use_cache_file(bool) - 是否使用硬盘对中间结果进行存储。如果为False, 则将中间结果存储在内存中。默认值为False。
cache_dir(str) - 如果 \'is_use_cache_file\' 为True, 则将中间结果存储在此参数设置的路径下。默认值为 ./temp_post_training 。

无。

注解

因为该接口会收集校正数据的所有的激活值，当校正图片比较多时，设置 \'is_use_cache_file\' 为True, 将中间结果存储在硬盘中。另外，\'KL\' 散度的计算比较耗时。
目前 Paddle-Lite 有int8 kernel来加速的op只有 [\'conv2d\', \'depthwise_conv2d\', \'mul\'] , 其他op的int8 kernel将陆续支持。

代码示例

警告

此示例不能直接运行，因为需要加载 ${model_dir} 下的模型，所以不能直接运行。

import paddle.fluid as fluid

import paddle.dataset.mnist as reader

from paddleslim.quant import quant_post

val_reader = reader.train()

use_gpu = True

place = fluid.CUDAPlace(0) if use_gpu else fluid.CPUPlace()

exe = fluid.Executor(place)

quant_post(

executor=exe,

model_dir=\'./model_path\',

quantize_model_path=\'./save_path\',

sample_generator=val_reader,

model_filename=\'__model__\',

params_filename=\'__params__\',

batch_size=16,

batch_nums=10)

quant_embedding

paddleslim.quant.quant_embedding(program, place, config, scope=None)

对 Embedding 参数进行量化。

参数:

program(fluid.Program) - 需要量化的program
scope(fluid.Scope, optional) - 用来获取和写入 Variable, 如果设置为 None,则使用 fluid.global_scope() .
place(fluid.CPUPlace | fluid.CUDAPlace) - 运行program的设备
config(dict) - 定义量化的配置。可以配置的参数有：
- \'params_name\' (str, required): 需要进行量化的参数名称，此参数必须设置。
- \'quantize_type\' (str, optional): 量化的类型，目前支持的类型是 \'abs_max\', 待支持的类型有 \'log\', \'product_quantization\' 。默认值是 \'abs_max\' .
- \'quantize_bits\' （int, optional): 量化的bit数，目前支持的bit数为8。默认值是8.
- \'dtype\' (str, optional): 量化之后的数据类型，目前支持的是 \'int8\'. 默认值是 int8 。
- \'threshold\' (float, optional): 量化之前将根据此阈值对需要量化的参数值进行 clip. 如果不设置，则跳过 clip 过程直接量化。

量化之后的program

返回类型

fluid.Program

代码示例

import paddle.fluid as fluid

import paddleslim.quant as quant

train_program = fluid.Program()

with fluid.program_guard(train_program):

input_word = fluid.data(name="input_word", shape=[None, 1], dtype=\'int64\')

input_emb = fluid.embedding(

input=input_word,

is_sparse=False,

size=[100, 128],

param_attr=fluid.ParamAttr(name=\'emb\',

initializer=fluid.initializer.Uniform(-0.005, 0.005)))

infer_program = train_program.clone(for_test=True)

use_gpu = True

place = fluid.CUDAPlace(0) if use_gpu else fluid.CPUPlace()

exe = fluid.Executor(place)

exe.run(fluid.default_startup_program())

config = {\'params_name\': \'emb\', \'quantize_type\': \'abs_max\'}

quant_program = quant.quant_embedding(infer_program, place, config)