quant_cn.md

模型量化教程

1 概述

模型量化是一种常见的模型压缩方法，是使用整数替代浮点数进行存储和计算。

比如，模型量化将32bit浮点数转换成8bit整数，则模型存储空间可以减少4倍，同时整数运算替换浮点数运算，可以加快模型推理速度、降低计算内存。

PaddleSeg基于PaddleSlim，集成了量化训练（QAT）方法，特点如下：

• 概述：使用训练数据，在训练过程中更新权重，减小量化损失。
• 优点：量化模型的精度高；使用该量化模型预测，可以减少计算量、降低计算内存、减小模型大小。
• 缺点：易用性稍差，需要一定时间产出量化模型

2 量化模型精度和性能

测试环境：

• GPU: V100 32G
• CPU: Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz
• CUDA: 10.1
• cuDNN: 7.6
• TensorRT: 6.0.1.5
• Paddle: 2.1.1

测试方法:

1. 在GPU上使用TensorRT测试原始模型和量化模型
2. 使用cityspcaes的全量验证数据集(1024x2048)进行测试
3. 单GPU，Batchsize为1
4. 运行耗时为纯模型预测时间
5. 使用Paddle Inference的Python API测试，通过use_trt参数设置是否使用TRT，使用precision参数设置预测类型。

模型量化前后的精度和性能：

模型	类型	mIoU	耗时(s/img）	量化加速比
ANN_ResNet50_OS8	FP32	0.7909	0.281	-
ANN_ResNet50_OS8	INT8	0.7906	0.195	30.6%
DANet_ResNet50_OS8	FP32	0.8027	0.330	-
DANet_ResNet50_OS8	INT8	0.8039	0.266	19.4%
DeepLabV3P_ResNet50_OS8	FP32	0.8036	0.206	-
DeepLabV3P_ResNet50_OS8	INT8	0.8044	0.083	59.7%
DNLNet_ResNet50_OS8	FP32	0.7995	0.360	-
DNLNet_ResNet50_OS8	INT8	0.7989	0.236	52.5%
EMANet_ResNet50_OS8	FP32	0.7905	0.186	-
EMANet_ResNet50_OS8	INT8	0.7939	0.106	43.0%
GCNet_ResNet50_OS8	FP32	0.7950	0.228	-
GCNet_ResNet50_OS8	INT8	0.7959	0.144	36.8%
PSPNet_ResNet50_OS8	FP32	0.7883	0.324	-
PSPNet_ResNet50_OS8	INT8	0.7915	0.223	32.1%

3 示例

我们以一个示例来介绍如何产出和部署量化模型。

3.1 环境准备

请参考安装文档准备好PaddleSeg的基础环境。注意，量化功能要求PaddlePaddle版本>=2.2。

安装PaddleSlim。

git clone https://github.com/PaddlePaddle/PaddleSlim.git

# 切换到特定commit id
git reset --hard 15ef0c7dcee5a622787b7445f21ad9d1dea0a933

# 安装
python setup.py install

3.2 产出量化模型

3.2.1 训练FP32模型

在产出量化模型之前，我们需要提前准备训练或者fintune好的FP32模型。

此处，我们选用视盘分割数据集和BiseNetV2模型，使用train.py从头开始训练模型。train.py输入参数的介绍，请参考文档。

在PaddleSeg目录下，执行如下脚本，会自动下载数据集进行训练。

# 设置1张可用的GPU卡
export CUDA_VISIBLE_DEVICES=0
# windows下请执行以下命令
# set CUDA_VISIBLE_DEVICES=0

python train.py \
       --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \
       --do_eval \
       --use_vdl \
       --save_interval 250 \
       --save_dir output_fp32

训练结束后，精度最高的权重会保存到output_fp32/best_model目录下。

3.2.2 使用量化训练方法产出量化模型

1）产出量化模型

基于训练好的FP32模型权重，使用slim/quant/qat_train.py进行量化训练。

qat_train.py和train.py的输入参数基本相似（如下）。注意，量化训练的学习率需要调小，使用model_path参数指定FP32模型的权重。

参数名	用途	是否必选项	默认值
config	FP32模型的配置文件	是	-
model_path	FP32模型的预训练权重	是	-
iters	训练迭代次数	否	配置文件中指定值
batch_size	单卡batch size	否	配置文件中指定值
learning_rate	初始学习率	否	配置文件中指定值
save_dir	模型和visualdl日志文件的保存根路径	否	output
num_workers	用于异步读取数据的进程数量， 大于等于1时开启子进程读取数据	否	0
use_vdl	是否开启visualdl记录训练数据	否	否
save_interval_iters	模型保存的间隔步数	否	1000
do_eval	是否在保存模型时启动评估, 启动时将会根据mIoU保存最佳模型至best_model	否	否
log_iters	打印日志的间隔步数	否	10
resume_model	恢复训练模型路径，如：output/iter_1000	否	None

执行如下命令，进行量化训练。量化训练结束后，精度最高的量化模型权重保存在output_quant/best_model目录下。

python slim/quant/qat_train.py \
       --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \
       --model_path output_fp32/best_model/model.pdparams \
       --learning_rate 0.001 \
       --do_eval \
       --use_vdl \
       --save_interval 250 \
       --save_dir output_quant

2）测试量化模型

如果需要，可以执行如下命令，使用slim/quant/qat_val.py脚本加载量化模型的权重，测试模型量化的精度。

python slim/quant/qat_val.py \
       --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \
       --model_path output_quant/best_model/model.pdparams

3）导出量化预测模型

基于训练好的量化模型权重，使用slim/quant/qat_export.py导出预测量化模型，脚本输入参数如下。

参数名	用途	是否必选项	默认值
config	模型配置文件	是	-
save_dir	预测量化模型保存的文件夹	否	output
model_path	量化模型的权重	否	配置文件中指定值
with_softmax	在网络末端添加softmax算子。由于PaddleSeg组网默认返回logits，如果想要部署模型获取概率值，可以置为True	否	False
without_argmax	是否不在网络末端添加argmax算子。由于PaddleSeg组网默认返回logits，为部署模型可以直接获取预测结果，我们默认在网络末端添加argmax算子	否	False

执行如下命令，导出预测量化模型保存在output_quant_infer目录。

python slim/quant/qat_export.py \
       --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \
       --model_path output_quant/best_model/model.pdparams \
       --save_dir output_quant_infer

3.3 部署量化模型

得到量化预测模型后，我们可以进行部署应用，请参考如下教程。

• Paddle Inference Python部署
• Paddle Inference C++部署
• PaddleLite部署

4 参考资料

• PaddleSlim Github
• PaddleSlim 文档