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，请使用'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，请使用'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, 推荐设为8。
activation_bits(int) - 激活量化bit数，默认8，推荐设为8。
not_quant_pattern(str | list[str]) - 所有name_scope包含'not_quant_pattern'字符串的op，都不量化, 设置方式请参考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。默认值为False.

注意事项

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。

quant_aware#

paddleslim.quant.quant_aware(program, place, config, scope=None, for_test=False)[源代码]: 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。

返回

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。

注意事项

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请注意和相应的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，请使用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)[源代码]: 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。

返回

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。

注意事项

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)

更详细的用法请参考量化训练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, is_use_cache_file=False, cache_dir="./temp_post_training")[源代码]: 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。
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。
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。

返回

无。

注意事项

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，请设置'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

注：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)

更详细的用法请参考离线量化demo。

quant_embedding#

paddleslim.quant.quant_embedding(program, place, config, scope=None)[源代码]: 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。

返回

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)

更详细的用法请参考 Embedding量化demo。