深度神经网络模型压缩学习笔记二：离线量化算法和工具、实现原理和细节

一、离线量化基础概念

1）离线量化定义

2）离线量化优缺点

3）如何生产一个硬件能跑的量化模型？

4）离线量化的类型

①对称量化：速度更快
②非对称量化：精度更好

5）如何计算scale，zero_point?

①权重weights是一个常量张量
②activation激活值的实际动态范围必须经过数据集采样获取，一般把这个过程称为数据校准calibration

6）离线量化概念

7）PTQ与QAT区别

8）离线量化流程

9）校准数据的选择

10）量化模式选择

11）校准方式的选择

• 不同的方式
  ①min_max：可能一些极端值会进来
  ②KL Divergence（TensorRT所使用的方法）：
  ③Histogram（统计直方图）：选定直方图的百分位点作为阶段之，根据百分比来调整截断值大小
  ④MSE：使用均方误差作为模型量化前后输出的损失的衡量指标。此方法较为耗时，但是效果常常优于其他方法

12）量化算法的选择（展示离线量化的pipeline）

①经过预训练的模型经过CLE调整，使得模型更方便量化
②给模型建立更容易量化的节点，对称性权重和非对称性激活值
③用MSE做权重的range设置
④使用数据就用AdaRound的方法，不使用数据就用Bias Correction的方法
⑤真正数据对激活值的范围做校准

13）写入量化参数

二、离线量化难点

• 难点
  ①校准数据有限
  ②异常数据分布
  ③优化空间有限
  ④优化粒度选择
  

三、离线量化算法介绍

1）问题点

①问题点一：

②问题点二：

2）Weight equalization（WE）：使每个channel分布更接近，从而更适用于per-tensor量化

特点：跨层动态范围均衡

3）Bias Correction（BC）：从卷积或全连接层的bias剪掉权重的误差，准确率更接近per-channel量化

方法：用量化统计数据集前后变化的偏移

4）AdaRound

• 备注
  在前面data-free-quantization中，对权重和bias只是采用比较简单的线性偏移；而AdaRound剔除的方法让weight做更灵活的变换
  
  
  
  

5）Brecq：解决AdaRound逐层重建忽略层间依赖关系的问题

6）QDrop：随机失活激活量化

7）离线量化算法–总结

• 硬件和推理库离线量化工具的能力
  

四、离线量化工具介绍

1）业界常见量化框架与工具

2）Dipoorlet离线量化工具介绍

3）Dipoorlet离线量化工具使用

五、离线量化工具整体设计结构

1）回顾：如何生产一个硬件能跑的量化模型？

2）Dipoorlet：支持多后端部署的离线量化框架

①部署支持能力
②精度提升能力
③框架代码结构

• 参数

1）-M :模型路径
2）-I：校准数据路径
3）-N：表示校准数据一共有多少个
4）-A：校准方式

3）Dipoorlet的代码架构和量化pipleline流程

• Dipoolet量化流程
  

六、离线量化工具代码解读

1）自定义数据结构ONNXGraph（utils.py）

• 代码功能
  

2）可选参数（main.py）

①指定模型路径，数据路径，输出路径，-N 校准数据数量

②指定权重调整算法

③激活校准算法和目标部署后端

④量化误差分析和opset版本

3）量化流程之加载模型

start = time.time()
if args.optim_transformer:model = onnx.load(args.optimzed_model_dir)
else:model = onnx.load(args.model)if model.opset_import[0].version < 13:model = onnx.version_converter.convert_version(model, 13)model, check = simplify(model)assert check, "Simplified ONNX model could not be validated"
onnx_graph = ONNXGraph(model, args.output_dir, args.deploy, args.model_type)

①加载onnx模型，并构建ONNXGragph
②转换opeset版本
③确保是否适用onnxsim简化图结构

④使用onnx.checker检查模型的合法性

4）量化流程之校准

# Assgin rank index to calibration GPU wise.
# Split the dataset averagly.
setattr(args, 'rank', dist.get_rank())
setattr(args, 'local_rank', dist.get_rank() % torch.cuda.device_count())
setattr(args, 'world_size', dist.get_world_size())
if dist.get_rank() == 0:logger.info("Do tensor calibration...")
act_clip_val, weight_clip_val = tensor_calibration(onnx_graph, args)
tensor_range = copy.deepcopy(act_clip_val)
save_clip_val(act_clip_val, weight_clip_val, args,act_fname='act_clip_val.json.rank{}'.format(args.rank),weight_fname='weight_clip_val.json.rank{}'.format(args.rank))
dist.barrier()
if dist.get_rank() == 0:reduce_clip_val(dist.get_world_size(), args)
dist.barrier()
act_clip_val, weight_clip_val = load_clip_val(args)

①调用tensor_calibration方法，产出激活和权重的量化参数，分别存于act_clip_val和weight_clip_val中
②激活校准的发给发根据前文讲述的-A参数

③权重校验的方法默认为minmax

• tensor_calibration方法实现
  

获得激活数据使用装饰器模式，会先执行注册的函数

• 总结
  做完这些校准算法后，就得到这些层的minmax数据，就可以去做量化

5）量化流程之权重微调（未完待续）

计算偏移值

6）权重流程之量化分析（profiling.py）

• 功能
  输出逐层量化误差以及激活/权重分布范围，看出问题的地方在哪里

• 文件及函数接口
  

7）导出量化部署配置

• 具体文件及接口
  
  根据不同的部署类型，用deploy_dispatcher去发布不同的事件，下面截图是发布了trt的事件
  

七、实践：Dipoorlet量化MobileNet

1）具体演示一遍Dipoorlet实战流程

• 流程解析
  ①安装Dipoorlet
  ②初始化数据和工作目录
  ③撰写命令生成量化

①安装Dipoorlet

要注意onnxruntime和cuda版本要对的上，举例如下

具体对应细节，去cuda官网看

这里给出建议：

cuda:11.8
pytorch 2.0.0

尝试运行命令

python -m dipoorlet

②初始化数据和工作目录
（1）创建临时目录dipoolet_work_dip_tmp
（2）在该目录放onnx文件
（3）创建input目录
（4）在input目录生成随机数

③撰写命令生成量化数据（包含权重和激活信息）

python -m torch.distributed.launch  --use_env -m dipoorlet -M model.onnx -I ./ -A minmax -D trt -N 2 -O ./log_dir/