模型量化-动态离线量化

本文首先简单介绍动态离线量化,然后说明产出量化模型,最后阐述量化模型预测。

1 简介

动态离线量化,将模型中特定OP的权重从FP32类型量化成INT8/16类型。

该量化模型有两种预测方式:

  • 第一种是反量化预测方式,即是首先将INT8/16类型的权重反量化成FP32类型,然后再使用FP32浮运算运算进行预测;
  • 第二种量化预测方式,即是预测中动态计算量化OP输入的量化信息,基于量化的输入和权重进行INT8整形运算。

注意:目前PaddleLite仅仅支持第一种反量化预测方式。

使用条件:

  • 有训练好的预测模型

使用步骤:

  • 产出量化模型:使用PaddlePaddle调用动态离线量化离线量化接口,产出量化模型
  • 量化模型预测:使用PaddleLite加载量化模型进行预测推理

优点:

  • 权重量化成INT16类型,模型精度不受影响,模型大小为原始的1/2
  • 权重量化成INT8类型,模型精度会受到影响,模型大小为原始的1/4

缺点:

  • 目前只支持反量化预测方式,主要可以减小模型大小,对特定加载权重费时的模型可以起到一定加速效果

2 产出量化模型

PaddleLite opt工具和PaddleSlim都提供了动态离线量化功能,两者原理相似,都可以产出动态离线量化的模型。

2.1 使用PaddleLite opt产出量化模型

PaddleLite opt工具将动态离线量化功能集成到模型转换中,使用简便,只需要设置对应参数,就可以产出优化后的量化模型。

2.1.1 准备工具opt

参考opt文档,准备opt工具,其中可执行文件opt和python版本opt都提供了动态图离线量化功能。

2.1.2 准备模型

准备已经训练好的FP32预测模型,即 save_inference_model() 保存的模型。

2.1.3 产出量化模型

参考opt文档中使用opt工具的方法,在模型优化中启用动态离线量化方法产出优化后的量化模型。

如果是使用可执行文件opt工具,参考直接下载并执行opt可执行工具。 设置常规模型优化的参数后,可以通过 --quant_model 设置是否使用opt中的动态离线量化功能,通过 --quant_type 参数指定opt中动态离线量化功能的量化类型,可以设置为QUANT_INT8和QUANT_INT16,即分别量化为int8和int16。量化为int8对模型精度有一点影响,模型体积大概减小4倍。量化为int16对模型精度基本没有影响,模型体积大概减小2倍。 举例如下:

./opt \
    --model_dir=<model_param_dir> \
    --model_file=<model_path> \
    --param_file=<param_path> \
    --optimize_out_type=naive_buffer \
    --optimize_out= <output_optimize_model_dir>\
    --quant_model=true \
    --quant_type=QUANT_INT16

如果使用python版本opt工具,请参考安装 python版本opt后,使用终端命令安装python版本opt后,使用python脚本,都有介绍设置动态离线量化的参数和方法。

2.2 使用PaddleSlim产出量化模型

大家可以使用PaddleSlim调用动态离线量化接口,得到量化模型。

2.2.1 安装PaddleSlim

参考PaddleSlim文档进行安装。

2.2.2 准备模型

准备已经训练好的FP32预测模型,即 save_inference_model() 保存的模型。

2.2.3 调用动态离线量化

对于调用动态离线量化,首先给出一个例子。

from paddleslim.quant import quant_post_dynamic

model_dir = path/to/fp32_model_params
save_model_dir = path/to/save_model_path
quant_post_dynamic(model_dir=model_dir,
                   save_model_dir=save_model_dir,
                   weight_bits=8,
                   quantizable_op_type=['conv2d', 'mul'],
                   weight_quantize_type="channel_wise_abs_max",
                   generate_test_model=False)

执行完成后,可以在 save_model_dir/quantized_model 目录下得到量化模型。

动态离线量化api的详细介绍,请参考链接

3 量化模型预测

目前,对于动态离线量化产出的量化模型,只能使用PaddleLite进行预测部署。

很简单,首先使用PaddleLite提供的模型转换工具(opt)将量化模型转换成移动端预测的模型,然后加载转换后的模型进行预测部署。

注意,PaddleLite 2.3版本才支持动态离线量化产出的量化,所以转换工具和预测库必须是2.3及之后的版本。

3.1 模型转换

参考模型转换准备模型转换工具,建议从Release页面下载。

参考模型转换使用模型转换工具。 比如在安卓手机ARM端进行预测,模型转换的命令为:

./opt --model_dir=./mobilenet_v1_quant \
      --optimize_out_type=naive_buffer \
      --optimize_out=mobilenet_v1_quant_opt \
      --valid_targets=arm

3.2 量化模型预测

和FP32模型一样,转换后的量化模型可以在Android/IOS APP中加载预测,建议参考C++ DemoJava DemoAndroid/IOS Demo