均匀量化

均匀量化支持量化的层以及约束如下，量化示例请参见获取更多样例>resnet101。

表1 均匀量化支持量化的层以及约束

量化方式

支持的层类型

约束

均匀量化

Conv：卷积层

支持4维或5维输入场景下的量化

Gemm：广义矩阵乘

transpose_a=false，Alpha=Beta=1.0

MatMul：全连接层

当权重维度为2时，才支持量化

ConvTranspose：转置卷积层

仅支持4维输入场景下的量化

AveragePool：平均池化层

仅支持4维输入场景下的量化

MaxPool：最大池化层

只做tensor量化

Add：按元素求和层

只做tensor量化

接口调用流程

均匀量化接口调用流程如图1所示：

图1 均匀量化接口调用流程
蓝色部分为用户实现，灰色部分为用户调用AMCT提供的API实现，使用流程如下：
  1. 用户准备ONNX原始模型，然后使用create_quant_config生成量化配置文件。
  2. 根据ONNX模型和量化配置文件，即可调用quantize_model接口对原始ONNX模型进行量化前优化，包括Conv+BN融合等，插入权重量化算子，进行权重量化；插入数据量化算子，得到校准模型。
  3. 用户基于ONNX Runtime以及校准集，执行校准模型推理完成数据量化，并将量化因子输出到文件中。
  4. 最后用户可以调用save_model接口保存量化后的模型，包括可在ONNX执行框架ONNX Runtime环境中进行精度仿真的模型文件和可部署在昇腾AI处理器的模型文件。
    • 精度仿真模型文件：模型名中包含fake_quant，可以在ONNX执行框架ONNX Runtime进行精度仿真。
      fake_quant模型主要用于验证量化后模型的精度，可以在ONNX Runtime环境下运行。进行前向推理的计算过程中，在fake_quant模型中对卷积层等的输入数据和权重进行了量化反量化的操作，来模拟量化后的计算结果，从而快速验证量化后模型的精度。如下图所示，以INT8量化为例，Quant层、Conv卷积层和DeQuant层之间的数据都是Float32数据类型的，其中Quant层将数据量化到INT8又反量化为Float32，权重也是量化到INT8又反量化为Float32，实际卷积层的计算是基于Float32数据类型的，该模型用于ONNX Runtime环境验证量化后模型的精度，不能够用于ATC工具转换成om模型。
      图2 fake_quant模型
    • 部署模型文件：模型名中包含deploy，经过ATC转换工具转换后可部署到昇腾AI处理器。
      以INT8量化为例，deploy模型由于已经将权重等转换成为了INT8, INT32类型， 因此不能在ONNX Runtime环境上执行推理计算。如下图所示，deploy模型的AscendQuant层将Float32的输入数据量化为INT8，作为卷积层的输入，权重也是使用INT8数据类型作为计算，在deploy模型中的卷积层的计算是基于INT8，INT32数据类型的，输出为INT32数据类型经过AscendDeQuant层转换成Float32数据类型传输给下一个网络层。
      图3 deploy模型

调用示例

本章节详细给出训练后量化的模板代码解析说明，通过解读该代码，用户可以详细了解AMCT的工作流程以及原理，方便用户基于已有模板代码进行修改，以便适配其他网络模型的量化。

用户可以参见resnet-101获取本章节的sample示例代码。训练后量化主要包括如下几个步骤：

  1. 准备训练好的模型和数据集。
  2. 在原始ONNX Runtime环境中验证模型精度以及环境是否正常。
  3. 编写训练后量化脚本调用AMCTAPI。
  4. 执行训练后量化脚本。
  5. 在原始ONNX Runtime环境中验证量化后仿真模型精度。

如下流程详细演示如何编写脚本调用AMCTAPI进行模型量化。

  • 如下示例标有“由用户补充处理”的步骤，需要用户根据自己的模型和数据集进行补充处理，示例中仅为示例代码。
  • 如下示例调用AMCT的部分，函数入参请根据实际情况进行调整。
  1. 导入AMCT包，并通过设置环境变量日志级别。 

    1
    		 
    import amct_onnx as amct

  2. （可选，由用户补充处理）在ONNX Runtime环境中验证推理脚本及环境。

    建议使用原始待量化的模型和测试集，在ONNX Runtime环境下推理，验证环境、推理脚本是否正常。

    推荐执行该步骤，请确保原始模型可以完成推理且精度正常；执行该步骤时，可以使用部分测试集，减少运行时间。

    1
    		 
    user_do_inference(ori_model, test_data, test_iterations)

  3. 调用AMCT，量化模型。

    1. 生成量化配置。 
      1
2
3
4
5
6
7
      		 
      config_file = './tmp/config.json'
skip_layers = []
batch_num = 1
amct.create_quant_config(config_file=config_file,
			 model_file=ori_model,
			 skip_layers=skip_layers,
			 batch_num=batch_num)
    2. 修改图，在图中插入数据量化，权重量化等相关的算子，用于计算量化相关参数。 
      1
2
3
4
5
6
      		 
      record_file = './tmp/record.txt'
modified_model = './tmp/modified_model.onnx'
amct.quantize_model(config_file=config_file,
                    ori_model=ori_model,
                    modified_onnx_file=modified_model,
                    record_file=record_file)
    3. （由用户补充处理）使用修改后的图在校准集上做模型推理，找到量化因子。

      该步骤执行时，需要注意如下两点：

      1. 校准集及其预处理过程数据要与模型匹配，以保证量化的精度。
      2. 前向推理的次数为batch_num，如果次数不够，后续过程会失败。

      若校准过程中有错误信息，则可以尝试参见校准过程中提示"IFMR node. Name:'layer_ifmr_op' Status Message: std::bad_alloc "信息或校准过程中出现"killed"信息进行处理。

      1
      		 
      user_do_inference(modified_onnx_file, calibration_data, batch_num)
    4. 保存模型。
      根据量化因子以及修改后的模型，调用save_model接口，插入AscendQuant、AscendDequant等算子，保存为量化模型。 
      1
2
3
4
      		 
      quant_model_path = './results/user_model'
amct.save_model(modified_onnx_file=modified_model,
                record_file=record_file,
                save_path=quant_model_path)

  4. （可选，由用户补充处理）基于ONNX Runtime的环境，使用量化后模型（quant_model）在测试集（test_data）上做推理，测试量化后仿真模型的精度。

    使用量化后仿真模型精度与2中的原始精度做对比，可以观察量化对精度的影响。 
    1
2
    		 
    quant_model = './results/user_model_fake_quant_model.onnx'
user_do_inference(quant_model, test_data, test_iterations)

父主题： 手工量化