训练后量化

查看源文件

概述

对于已经训练好的float32模型,通过训练后量化将其转为int8,不仅能减小模型大小,而且能显著提高推理性能。在MindSpore Lite中,这部分功能集成在模型转换工具converter_lite内,通过配置量化配置文件的方式,便能够转换得到量化后模型。

MindSpore Lite训练后量化分为两类:

  1. 权重量化:对模型的权值进行量化,仅压缩模型大小,推理时仍然执行float32推理;

  2. 全量化:对模型的权值、激活值等统一进行量化,推理时执行int运算,能提升模型推理速度、降低功耗。

配置参数

训练后量化可通过转换工具配置configFile的方式启用训练后量化。配置文件采用INI的风格,针对量化场景,目前可配置的参数包括通用量化参数[common_quant_param]混合比特权重量化参数[mixed_bit_weight_quant_param]全量化参数[full_quant_param]数据预处理参数[data_preprocess_param]

通用量化参数

通用量化参数是训练后量化的基本设置,主要包括quant_typebit_nummin_quant_weight_sizemin_quant_weight_channel。参数的详细介绍如下所示:

参数

属性

功能描述

参数类型

默认值

取值范围

quant_type

必选

设置量化类型,设置为WEIGHT_QUANT时,启用权重量化;设置为FULL_QUANT时,启用全量化;设置为DYNAMIC_QUANT时,启用动态量化。

String

-

WEIGHT_QUANT、FULL_QUANT、DYNAMIC_QUANT

bit_num

可选

设置量化的比特数,目前权重量化支持0-16bit量化,设置为1-16bit时为固定比特量化,设置为0bit时,启用混合比特量化。全量化、动态量化支持8bit量化。

Integer

8

权重量化:[0,16]
全量化:8
动态量化:8

min_quant_weight_size

可选

设置参与量化的权重尺寸阈值,若权重数大于该值,则对此权重进行量化。

Integer

0

[0, 65535]

min_quant_weight_channel

可选

设置参与量化的权重通道数阈值,若权重通道数大于该值,则对此权重进行量化。

Integer

16

[0, 65535]

skip_quant_node

可选

设置无需量化的算子名称,多个算子之间用,分割。

String

-

-

debug_info_save_path

可选

设置量化Debug信息文件保存的文件夹路径。

String

-

-

目前min_quant_weight_sizemin_quant_weight_channel仅对权重量化有效。

建议:全量化在精度不满足的情况下,可设置debug_info_save_path开启Debug模式得到相关统计报告,针对不适合量化的算子设置skip_quant_node对其不进行量化。

通用量化参数配置如下所示:

[common_quant_param]
# Supports WEIGHT_QUANT or FULL_QUANT
quant_type=WEIGHT_QUANT
# Weight quantization support the number of bits [0,16], Set to 0 is mixed bit quantization, otherwise it is fixed bit quantization
# Full quantization support 8bit
bit_num=8
# Layers with size of weights exceeds threshold `min_quant_weight_size` will be quantized.
min_quant_weight_size=0
# Layers with channel size of weights exceeds threshold `min_quant_weight_channel` will be quantized.
min_quant_weight_channel=16
# Set the name of the operator that skips the quantization, and use `,` to split between multiple operators.
skip_quant_node=node_name1,node_name2,node_name3
# Set the folder path where the quantization debug information file is saved.
debug_info_save_path=/home/workspace/mindspore/debug_info_save_path

混合比特权重量化参数

混合比特权重量化参数包括init_scale,启用混合比特权重量化后,将会针对不同层自动搜索最优的比特数。参数的详细介绍如下所示:

参数

属性

功能描述

参数类型

默认值

取值范围

init_scale

可选

初始化scale,数值越大可以带来更大的压缩率,但是也会造成不同程度的精度损失

float

0.02

(0 , 1)

auto_tune

可选

自动搜索init_scale参数,设置后将自动会搜索一组模型输出Tensor在余弦相似度在0.995左右的init_scale

Boolean

False

True,False

混合比特量化参数配置如下所示:

[mixed_bit_weight_quant_param]
init_scale=0.02
auto_tune=false

全量化参数

全量化参数主要包括activation_quant_methodbias_correctiontarget_device。参数的详细介绍如下所示:

参数

属性

功能描述

参数类型

默认值

取值范围

activation_quant_method

可选

激活值量化算法

String

MAX_MIN

KL,MAX_MIN,RemovalOutlier。
KL:基于KL散度对数据范围作量化校准。
MAX_MIN:基于最大值、最小值计算数据的量化参数。
RemovalOutlier:按照一定比例剔除数据的极大极小值,再计算量化参数。
在校准数据集与实际推理时的输入数据相吻合的情况下,推荐使用MAX_MIN;而在校准数据集噪声比较大的情况下,推荐使用KL或者REMOVAL_OUTLIER

bias_correction

可选

是否对量化误差进行校正

Boolean

True

True,False。使能后,将能提升量化模型的精度。

per_channel

可选

采用PerChannel或PerLayer的量化方式

Boolean

True

True,False。设置为False,启用PerLayer量化方式。

target_device

可选

全量化支持多硬件后端。设置特定硬件后,量化模型会调用专有硬件量化算子库进行推理;如果未设置,转换模型调用通用量化算子库。

String

-

NVGPU: 转换后的量化模型可以在NVIDIA GPU上执行量化推理;
DSP: 转换后的量化模型可以在DSP硬件上执行量化推理。

通用全量化(PerChannel量化方式)参数配置如下所示:

[full_quant_param]
# Activation quantized method supports MAX_MIN or KL or REMOVAL_OUTLIER
activation_quant_method=MAX_MIN
# Whether to correct the quantization error. Recommended to set to true.
bias_correction=true
# If set to true, it will enable PerChannel quantization, or set to false to enable PerLayer quantization.
per_channel=true

通用全量化(PerLayer量化方式)参数配置如下所示:

[full_quant_param]
# Activation quantized method supports MAX_MIN or KL or REMOVAL_OUTLIER
activation_quant_method=MAX_MIN
# Whether to correct the quantization error. Recommended to set to true.
bias_correction=true
# If set to true, it will enable PerChannel quantization, or set to false to enable PerLayer quantization.
per_channel=false

NVIDIA GPU全量化参数配置如下:

[full_quant_param]
# Activation quantized method supports MAX_MIN or KL or REMOVAL_OUTLIER
activation_quant_method=MAX_MIN
# Supports specific hardware backends
target_device=NVGPU

DSP全量化参数配置如下:

[full_quant_param]
# Activation quantized method supports MAX_MIN or KL or REMOVAL_OUTLIER
activation_quant_method=MAX_MIN
# Whether to correct the quantization error.
bias_correction=false
# Supports specific hardware backends
target_device=DSP

数据预处理

全量化需要提供100-500张的校准数据集进行预推理,用于计算全量化激活值的量化参数。如果存在多个输入Tensor,每个输入Tensor的校准数据集需要各自保存一个文件夹。

针对BIN格式的校准数据集,.bin文件存储的是输入的数据Buffer,同时输入数据的Format需要和推理时输入数据的Format保持一致。针对四维数据,默认是NHWC。如果配置了转换工具的命令参数inputDataFormat,输入的Buffer的Format需要保持一致。

针对图片格式的校准数据集,后量化提供通道转换、归一化、缩放和裁剪等数据预处理功能。

参数

属性

功能描述

参数类型

默认值

取值范围

calibrate_path

必选

存放校准数据集的目录;如果模型有多个输入,请依次填写对应的数据所在目录,目录路径间请用,隔开

String

-

input_name_1:/mnt/image/input_1_dir,input_name_2:input_2_dir

calibrate_size

必选

矫正集数量

Integer

-

[1, 65535]

input_type

必选

矫正数据文件格式类型

String

-

IMAGE、BIN
IMAGE:图片文件数据
BIN:满足推理要求的输入二进制.bin文件数据

image_to_format

可选

图像格式转换

String

-

RGB、GRAY、BGR

normalize_mean

可选

图像归一化的均值
dst = (src - mean) / std

Vector

-

3通道:[mean_1, mean_2, mean_3]
1通道:[mean_1]

normalize_std

可选

图像归一化的标准差
dst = (src - mean) / std

Vector

-

3通道:[std_1, std_2, std_3]
1通道:[std_1]

resize_width

可选

图像缩放宽度

Integer

-

[1, 65535]

resize_height

可选

图像缩放高度

Integer

-

[1, 65535]

resize_method

可选

图像缩放算法

String

-

LINEAR、NEAREST、CUBIC
LINEAR:线性插值
NEARST:最邻近插值
CUBIC:三次样条插值

center_crop_width

可选

中心裁剪宽度

Integer

-

[1, 65535]

center_crop_height

可选

中心裁剪高度

Integer

-

[1, 65535]

数据预处理参数配置如下所示:

[data_preprocess_param]
# Calibration dataset path, the format is input_name_1:input_1_dir,input_name_2:input_2_dir
# Full quantification must provide correction dataset
calibrate_path=input_name_1:/mnt/image/input_1_dir,input_name_2:input_2_dir
# Calibration data size
calibrate_size=100
# Input type supports IMAGE or BIN
# When set to IMAGE, the image data will be read
# When set to BIN, the `.bin` binary file will be read
input_type=IMAGE
# The output format of the preprocessed image
# Supports RGB or GRAY or BGR
image_to_format=RGB
# Image normalization
# dst = (src - mean) / std
normalize_mean=[127.5, 127.5, 127.5]
normalize_std=[127.5, 127.5, 127.5]
# Image resize
resize_width=224
resize_height=224
# Resize method supports LINEAR or NEAREST or CUBIC
resize_method=LINEAR
# Image center crop
center_crop_width=224
center_crop_height=224

权重量化

权重量化支持混合比特量化,同时也支持1~16之间的固定比特量化,比特数越低,模型压缩率越大,但是精度损失通常也比较大。下面对权重量化的使用方式和效果进行阐述。

混合比特量化

目前权重量化支持混合比特量化,会根据模型参数的分布情况,根据用户设置的init_scale作为初始值,自动搜索出最适合当前层的比特数。配置参数的bit_num设置为0时,将启用混合比特量化。

混合比特权重量化转换命令的一般形式为:

./converter_lite --fmk=ModelType --modelFile=ModelFilePath --outputFile=ConvertedModelPath --configFile=/mindspore/lite/tools/converter/quantizer/config/mixed_bit_weight_quant.cfg

混合比特权重量化配置文件如下所示:

[common_quant_param]
# Supports WEIGHT_QUANT or FULL_QUANT
quant_type=WEIGHT_QUANT
# Weight quantization support the number of bits [0,16], Set to 0 is mixed bit quantization, otherwise it is fixed bit quantization
# Full quantization support 8bit
bit_num=0
# Layers with size of weights exceeds threshold `min_quant_weight_size` will be quantized.
min_quant_weight_size=5000
# Layers with channel size of weights exceeds threshold `min_quant_weight_channel` will be quantized.
min_quant_weight_channel=5

[mixed_bit_weight_quant_param]
# Initialization scale in (0,1).
# A larger value can get a larger compression ratio, but it may also cause a larger error.
init_scale=0.02

用户可根据模型及自身需要对权重量化的参数作出调整。

init_scale默认的初始值为0.02,搜索的压缩率相当与6-7固定比特的压缩效果。

混合比特需要搜索最佳比特位,等待时间可能较长,如果需要查看日志,可以在执行前设置export GLOG_v=1,用于打印相关Info级别日志。

固定比特量化

固定比特的权重量化支持1~16之间的固定比特量化,用户可根据模型及自身需要对权重量化的参数作出调整。

固定比特权重量化转换命令的一般形式为:

./converter_lite --fmk=ModelType --modelFile=ModelFilePath --outputFile=ConvertedModelPath --configFile=/mindspore/lite/tools/converter/quantizer/config/fixed_bit_weight_quant.cfg

固定比特权重量化配置文件如下所示:

[common_quant_param]
quant_type=WEIGHT_QUANT
# Weight quantization support the number of bits [0,16], Set to 0 is mixed bit quantization, otherwise it is fixed bit quantization
bit_num=8
# Layers with size of weights exceeds threshold `min_quant_weight_size` will be quantized.
min_quant_weight_size=0
# Layers with channel size of weights exceeds threshold `min_quant_weight_channel` will be quantized.
min_quant_weight_channel=16

部分模型精度结果

模型

测试数据集

FP32模型精度

权重量化精度(8bit)

Inception_V3

ImageNet

77.60%

77.53%

Mobilenet_V1_1.0_224

ImageNet

70.96%

70.56%

Mobilenet_V2_1.0_224

ImageNet

71.56%

71.53%

以上所有结果均在x86环境上测得。

全量化

针对CV模型需要提升模型运行速度、降低模型运行功耗的场景,可以使用训练后全量化功能。下面对全量化的使用方式和效果进行阐述。

全量化计算激活值的量化参数,用户需要提供校准数据集。校准数据集最好来自真实推理场景,能表征模型的实际输入情况,数量在100 - 500个左右。

针对图片数据,目前支持通道调整、归一化、缩放、裁剪等预处理的功能。用户可以根据推理时所需的预处理操作,设置相应的参数

注意:

  • 模型校准数据必须与训练数据同分布,并且校准数据与模型输入的format(例如:NCHW、NHWC)需要保持一致。

全量化转换命令的一般形式为:

./converter_lite --fmk=ModelType --modelFile=ModelFilePath --outputFile=ConvertedModelPath --configFile=/mindspore/lite/tools/converter/quantizer/config/full_quant.cfg

全量化配置文件如下所示:

[common_quant_param]
quant_type=FULL_QUANT
# Full quantization support 8bit
bit_num=8

[data_preprocess_param]
# Calibration dataset path, the format is input_name_1:input_1_dir,input_name_2:input_2_dir
# Full quantification must provide correction dataset
calibrate_path=input_name_1:/mnt/image/input_1_dir,input_name_2:input_2_dir
# Calibration data size
calibrate_size=100
# Input type supports IMAGE or BIN
# When set to IMAGE, the image data will be read
# When set to BIN, the `.bin` binary file will be read
input_type=IMAGE
# The output format of the preprocessed image
# Supports RGB or GRAY or BGR
image_to_format=RGB
# Image normalization
# dst = (src - mean) / std
normalize_mean=[127.5, 127.5, 127.5]
normalize_std=[127.5, 127.5, 127.5]
# Image resize
resize_width=224
resize_height=224
# Resize method supports LINEAR or NEAREST or CUBIC
resize_method=LINEAR
# Image center crop
center_crop_width=224
center_crop_height=224

[full_quant_param]
# Activation quantized method supports MAX_MIN or KL or REMOVAL_OUTLIER
activation_quant_method=MAX_MIN
# Whether to correct the quantization error. Recommended to set to true.
bias_correction=true

全量化需要执行推理,等待时间可能较长,如果需要查看日志,可以在执行前设置export GLOG_v=1,用于打印相关Info级别日志。

部分模型精度结果

模型

测试数据集

量化方法

FP32模型精度

全量化精度(8bit)

说明

Inception_V3

ImageNet

KL

77.60%

77.40%

校准数据集随机选择ImageNet Validation数据集中的100张

Mobilenet_V1_1.0_224

ImageNet

KL

70.96%

70.31%

校准数据集随机选择ImageNet Validation数据集中的100张

Mobilenet_V2_1.0_224

ImageNet

MAX_MIN

71.56%

71.16%

校准数据集随机选择ImageNet Validation数据集中的100张

以上所有结果均在x86环境上测得。

动态量化

针对NLP模型需要提升模型运行速度、降低模型运行功耗的场景,可以使用动态量化功能。下面对动态量化的使用方式和效果进行阐述。

动态量化的权重是离线转换阶段量化,而激活是在运行阶段才进行量化。

动态量化转换命令的一般形式为:

./converter_lite --fmk=ModelType --modelFile=ModelFilePath --outputFile=ConvertedModelPath --configFile=/mindspore/lite/tools/converter/quantizer/config/dynamic_quant.cfg

动态量化配置文件如下所示:

[common_quant_param]
quant_type=DYNAMIC_QUANT
bit_num=8

为了保证量化精度,目前动态量化不支持设置FP16的运行模式。

目前动态量化在支持SDOT指令的ARM架构会有进一步的加速效果。

部分模型性能结果

  • tinybert_encoder

模型类型

运行模式

Model Size(M)

RAM(K)

Latency(ms)

Cos-Similarity

压缩率

内存相比FP32

时延相比FP32

FP32

FP32

20

29,029

9.916

1

FP32

FP16

20

18,208

5.75

0.99999

1

-37.28%

-42.01%

FP16

FP16

12

18,105

5.924

0.99999

1.66667

-37.63%

-40.26%

Weight Quant(8 Bit)

FP16

5.3

19,324

5.764

0.99994

3.77358

-33.43%

-41.87%

Dynamic Quant

INT8+FP32

5.2

15,709

4.517

0.99668

3.84615

-45.89%

-54.45%

  • tinybert_decoder

模型类型

运行模式

Model Size(M)

RAM(K)

Latency(ms)

Cos-Similarity

压缩率

内存相比FP32

时延相比FP32

FP32

FP32

43

51,355

4.161

1

FP32

FP16

43

29,462

2.184

0.99999

1

-42.63%

-47.51%

FP16

FP16

22

29,440

2.264

0.99999

1.95455

-42.67%

-45.59%

Weight Quant(8 Bit)

FP16

12

32,285

2.307

0.99998

3.58333

-37.13%

-44.56%

Dynamic Quant

INT8+FP32

12

22,181

2.074

0.9993

3.58333

-56.81%

-50.16%

量化Debug

开启量化Debug功能,能够得到数据分布统计报告,用于评估量化误差,辅助决策模型(算子)是否适合量化。针对全量化,会根据所提供矫正数据集的数量,生成N份数据分布统计报告,即每一轮都会生成一份报告;针对权重量化,只会生成1份数据分布统计报告。

设置debug_info_save_path参数后,将会在/home/workspace/mindspore/debug_info_save_path文件夹中生成相关Debug报告:

[common_quant_param]
debug_info_save_path=/home/workspace/mindspore/debug_info_save_path

量化输出汇总报告output_summary.csv包含整图输出层Tensor的精度信息,相关字段如下所示:

Type

Name

Round

校准训练轮次

TensorName

Tensor名

CosineSimilarity

和原始数据对比的余弦相似度

数据分布统计报告round_*.csv统计每个Tensor原始数据分布以及量化Tensor反量化后的数据分布情况。数据分布统计报告相关字段如下所示:

Type

Name

NodeName

节点名

NodeType

节点类型

TensorName

Tensor名

InOutFlag

Tensor输出、输出类型

DataTypeFlag

数据类型,原始数据用Origin,反量化后的数据用Dequant

TensorTypeFlag

针对输入输出等数据类用Activation表示,常量等用Weight表示

Min

最小值,0%分位点

Q1

25%分位点

Median

中位数,50%分位点

Q3

75%分位点

MAX

最大值,100%分位点

Mean

均值

Var

方差

Sparsity

稀疏度

Clip

截断率

CosineSimilarity

和原始数据对比的余弦相似度

量化参数报告quant_param.csv包含所有量化Tensor的量化参数信息,量化参数相关字段如下所示:

Type

Name

NodeName

节点名

NodeType

节点类型

TensorName

Tensor名

ElementsNum

Tensor数据量

Dims

Tensor维度

Scale

量化参数scale

ZeroPoint

量化参数ZeroPoint

Bits

量化比特数

CorrectionVar

误差矫正系数-方差

CorrectionMean

误差矫正系数-均值

由于混合比特量化是非标准量化,该量化参数文件可能不存在。

设置无需量化Node

量化是将Float32算子转换Int8算子,目前的量化策略是针对可支持的某一类算子所包含的Node都会进行量化,但是存在部分Node敏感度较高,量化后会引发较大的误差,同时某些层量化后推理速度远低于Float16的推理速度。支持指定层不量化,可以有效提高精度和推理速度。

下面将conv2d_1 add_8 concat_1三个Node不进行量化的示例:

[common_quant_param]
# Supports WEIGHT_QUANT or FULL_QUANT
quant_type=FULL_QUANT
# Weight quantization support the number of bits [0,16], Set to 0 is mixed bit quantization, otherwise it is fixed bit quantization
# Full quantization support 8bit
bit_num=8
# Set the name of the operator that skips the quantization, and use `,` to split between multiple operators.
skip_quant_node=conv2d_1,add_8,concat_1

使用建议

  1. 通过过滤InOutFlag == Output && DataTypeFlag == Dequant,可以筛选出所有量化算子的输出层,通过查看量化输出的CosineSimilarity来判断算子的精度损失,越接近1损失越小。

  2. 针对Add、Concat等合并类算子,如果不同输入Tensor之间minmax分布差异较大,容易引发较大误差,可以设置skip_quant_node,将其不量化。

  3. 针对截断率Clip较高的算子,可以设置skip_quant_node,将其不量化。