简介

量化根据是否需要重训练，分为训练后量化（Post-Training Quantization）和量化感知训练（Quantization-Aware Training），当前仅支持训练后量化。

训练后量化（Post-Training Quantization，简称PTQ），是指在模型训练结束之后进行的量化，对训练后模型中的权重由浮点数（当前支持Float32）量化到低比特整数（当前支持int8），并通过少量校准数据基于推理过程对数据（activation）进行校准量化，从而尽可能减少量化过程中的精度损失。通常，训练后的模型权重已经确定，因此可以根据权重的数值离线计算得到权重的量化参数。而通常数据是在线输入的，因此无法准确获取数据的数值范围，通常需要一个较小的有代表性的数据集来模拟在线数据的分布，利用该数据集执行前向推理，得到对应的中间浮点结果，并根据这些浮点结果离线计算出数据的量化参数。

其运行原理如图1所示。量化过程请参见执行量化（训练后量化不支持多个NPU同时运行）。

训练后量化，根据量化对象不同，又分为•数据（activation）量化和•权重量化。

当前昇腾AI处理器支持数据（Activation）做对称/非对称量化，权重（weights）仅支持做对称量化（量化根据量化后数据中心点是否为0可以分为对称量化、非对称量化，详细的量化算法原理请参见量化算法原理）。

各功能以及功能实现过程中所使用的术语解释如下：

• 数据（activation）量化

  数据量化是指根据数据的数值分布情况，将输入的数据（activation）处理到低比特。每一层的数据分布是未知且巨大的，只能在前向过程（推理或者训练）中确定，因此数据量化是基于推理或者训练过程的。

  而训练后量化场景通过在线量化的方式，通过修改用户推理模型，在待量化层位置插入旁路量化节点，采集待量化层输入数据，然后校准得到数据量化因子scale、offset。在推理时一般使用少量数据集，代表所有数据集的分布，简单快速。

• 权重量化

  权重量化是指根据权重的数值分布情况，将权重处理到低比特。

  训练后量化场景通过离线量化的方式，直接从用户推理模型中读取权重数据，然后调用量化算法对权重进行量化，并将量化后数据写回到模型当中，并参与数据量化。

• 校准数据集

  训练后量化场景中，做前向推理使用的数据集。该数据集的分布代表着所有数据集的分布，获取校准集时应该具有代表性，推荐使用验证集的子集作为校准数据集。如果数据集不是模型匹配的数据集或者代表性不够，则根据校准集计算得到的量化因子，在全数据集上表现较差，量化损失大，量化后精度低。

• 校准

  训练后量化场景中，做前向推理获取数据量化因子的过程。

• 量化因子

  将浮点数量化为整数的参数，包括缩放因子（•Scale），偏移量（•Offset）。

  将浮点数量化为整数（以INT8为例）的公式如下：

  

• Scale

  量化因子，浮点数的缩放因子，该参数又分为：

  • scale_d：数据量化scale因子，仅支持对数据进行统一量化。
  • scale_w：权重量化scale因子，支持标量（对当前层的权重进行统一量化），向量（对当前层的权重按channel_wise方式进行量化）两种模式。关于参数的更多说明请参见量化因子记录文件。
• Offset

  量化因子，偏移量，该参数又分为：

  • offset_d：数据量化offset因子，仅支持对数据进行统一量化。
  • offset_w：权重量化offset因子，同scale_w一样支持标量和向量两种模式，且需要同scale_w维度一致。关于参数的更多说明请参见量化因子记录文件。