---
title: 量化流程
description: "本节详细介绍训练后量化支持的量化层，接口调用流程和示例。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/devaids/amct/atlasamct_16_0144.html
sourcePath: /source/zh/canncommercial/900/devaids/amct/atlasamct_16_0144.html
indexId: 535bb922f92882acc93f964c7f53f36ab012fbba06c79ce9b3e98827150e1a2365
---
# 量化流程

本节详细介绍训练后量化支持的量化层，接口调用流程和示例。

训练后量化支持量化的层以及约束如下，量化示例请参见样例列表。如果量化后的模型精度无法满足要求，则需要进行基于精度的自动量化或手工调优。


**表1 训练后量化支持量化的层以及约束**

| 支持的层类型 | 约束 |
| --- | --- |
| Conv：卷积层 | 支持4维或5维输入，且权重类型为constant或Initializer的量化。 |
| Gemm：广义矩阵乘 | transA=false、alpha=beta=1.0；权重类型为constant或Initializer。 |
| MatMul：全连接层 | 当第二路输入为常量const时，仅支持2\-3维；权重类型为constant或Initializer。 当两路输入都为变量tensor时，仅支持INT8对称量化。 两路输入都为变量tensor量化场景，只在如下产品能获得收益，其他产品量化后精度会下降： Atlas 200I/500 A2 推理产品 Atlas A2 训练系列产品 / Atlas A2 推理系列产品 Atlas A3 训练系列产品 / Atlas A3 推理系列产品 Atlas 350 加速卡 |
| ConvTranspose：转置卷积层 | 仅支持4维输入，且权重类型为constant或Initializer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

训练后量化接口调用流程如图1所示：

图1 训练后量化接口调用流程

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。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AMCT API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。

  a. 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)

  b. 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, model_file=ori_model, modified_onnx_file=modified_model, record_file=record_file)

  c. （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. 前向推理次数为batch_num，如果次数不足，由于校准算子没有将量化因子输出到record文件中，会导致后续读取record校验失败。
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。
若校准执行过程中提示"IfmrQuantWithOffset scale is illegal"，则请参见校准执行过程中提示“[IfmrQuantWithoutOffset]scale is illegal”处理。
```
user_do_inference(modified_onnx_file, calibration_data, batch_num)
```

  d. 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)

  如果量化后仿真模型在CPU推理速度，相较于原始模型推理速度变慢，则可以尝试通过设置如下环境变量解决：

  1 2 #设置执行期间使用的线程数 export OMP_NUM_THREADS=8

  环境变量的取值，跟模型数据量大小，运行环境的CPU数量相关，比如Resnet101模型，数据量大小为10W量级，线程数可以设置为8。