模型量化 | Paddle-Lite

模型量化

Paddle-Lite支持加载运行PaddlePaddle框架量化训练产出的模型。本文主要介绍如何基于PaddlePaddle和Paddle-Lite对模型进行端到端的量化训练和推理执行。PaddlePaddle框架中所使用的量化训练原理请猛戳此处。如果您是初次接触PaddlePaddle框架，建议首先学习新人入门和使用指南。

备注：本文中所使用的模型量化示例均为MobileNetV1。

一、使用PaddleSlim模型压缩工具获取量化模型

用户须知: 现阶段的量化训练主要针对卷积层（包括二维卷积和Depthwise卷积）以及全连接层进行量化。卷积层和全连接层在PaddlePaddle框架中对应算子包括conv2d、depthwise_conv2d和mul等。量化训练会对conv2d、depthwise_conv2d和mul进行量化操作，且要求它们的输入中必须包括激活和参数两部分。

1. 安装PaddlePaddle

根据操作系统、安装方式、Python版本和CUDA版本，按照官方说明安装PaddlePaddle1.5.1版本。例如：

Ubuntu 16.04.4 LTS操作系统，CUDA9，cuDNN7，GPU版本安装:

pip install paddlepaddle-gpu==1.5.1.post97 -i https://mirrors.aliyun.com/pypi/simple/

Ubuntu 16.04.4 LTS操作系统，CPU版本安装:

pip install paddlepaddle==1.5.1 -i https://mirrors.aliyun.com/pypi/simple/

2. 克隆量化训练所需的代码库

克隆PaddlePaddle/models到本地，并进入models/PaddleSlim路径。执行如下命令：

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

3. 数据准备

3.1 训练数据准备

参考models/PaddleCV/image_classification下的数据准备教程准备训练数据，并放入PaddleSlim/data路径下。

3.2 预训练模型准备

脚本run.sh会自动从models/PaddleCV/image_classification下载MobileNetV1的预训练模型，并放入PaddleSlim/pretrain路径下。

经过以上三步，PaddleSlim目录下的文件结构如下所示：

.
├── compress.py # 模型压缩任务主脚本，定义了压缩任务需要的模型相关信息
├── configs # 压缩任务的配置文件，包括:蒸馏、int8量化量化、filter剪切和组合策略的配置文件
├── data # 存放训练数据（需要用户自己创建）
│   └── ILSVRC2012
├── pretrain # 存放预训练模型参数，执行run.sh自动生成
│   ├── MobileNetV1_pretrained
│   ├── MobileNetV1_pretrained.tar
│   ├── ResNet50_pretrained
│   └── ResNet50_pretrained.tar
├── docs # 文档目录
├── light_nas
├── models # 模型网络结构的定义，如MobileNetV1
├── quant_low_level_api # 量化训练的底层API, 用于灵活定制量化训练的过程，适用于高阶用户
├── reader.py # 定义数据处理逻辑
├── README.md
├── run.sh # 模型压缩任务启动脚本
└── utility.py # 定义了常用的工具方法

4. 压缩脚本介绍

在compress.py中定义了执行压缩任务需要的所有模型相关的信息，这里对几个关键的步骤进行简要介绍：

4.1 目标网络的定义

compress.py的以下代码片段定义了train program, 这里train program只有前向计算操作。

out = model.net(input=image, class_dim=args.class_dim)
cost = fluid.layers.cross_entropy(input=out, label=label)
avg_cost = fluid.layers.mean(x=cost)
acc_top1 = fluid.layers.accuracy(input=out, label=label, k=1)
acc_top5 = fluid.layers.accuracy(input=out, label=label, k=5)

然后，通过clone方法得到eval_program, 用来在压缩过程中评估模型精度，如下：

val_program = fluid.default_main_program().clone()

定义完目标网络结构，需要对其初始化，并根据需要加载预训练模型。

4.2 定义feed_list和fetch_list

对于train program, 定义train_feed_list用于指定从train data reader中取的数据feed给哪些variable。定义train_fetch_list用于指定在训练时，需要在log中展示的结果。如果需要在训练过程中在log中打印accuracy信心，则将(‘acc_top1’, acc_top1.name)添加到train_fetch_list中即可。

train_feed_list = [('image', image.name), ('label', label.name)]
train_fetch_list = [('loss', avg_cost.name)]

注意：在train_fetch_list里必须有loss这一项。

对于eval program. 同上定义eval_feed_list和train_fetch_list:

val_feed_list = [('image', image.name), ('label', label.name)]
val_fetch_list = [('acc_top1', acc_top1.name), ('acc_top5', acc_top5.name)]

4.3 Compressor和量化配置文件

I. compress.py主要使用Compressor和yaml文件完成对模型的量化训练工作。Compressor类的定义如下：

class Compressor(object):
    def __init__(self,
                 place,
                 scope,
                 train_program,
                 train_reader=None,
                 train_feed_list=None,
                 train_fetch_list=None,
                 eval_program=None,
                 eval_reader=None,
                 eval_feed_list=None,
                 eval_fetch_list=None,
                 teacher_programs=[],
                 checkpoint_path='./checkpoints',
                 train_optimizer=None,
                 distiller_optimizer=None):

在定义Compressor对象时，需要注意以下问题：

train program如果带反向operators和优化更新相关的operators, 参数train_optimizer需要设置为None.
eval_program中parameter的名称需要与train_program中的parameter的名称完全一致。
最终保存的量化模型是在eval_program网络基础上进行剪枝保存的。所以，如果用户希望最终保存的模型可以用于inference, 则eval program需要包含推理阶段需要的各种operators.
checkpoint保存的是float数据类型的模型。

II. configs/quantization.yaml量化配置文件示例如下：

version: 1.0
strategies:
    quantization_strategy:
        class: 'QuantizationStrategy'
        start_epoch: 0
        end_epoch: 9
        float_model_save_path: './output/float'
        mobile_model_save_path: './output/mobile'
        int8_model_save_path: './output/int8'
        weight_bits: 8
        activation_bits: 8
        weight_quantize_type: 'abs_max'
        activation_quantize_type: 'moving_average_abs_max'
        save_in_nodes: ['image']
        save_out_nodes: ['fc_0.tmp_2']
compressor:
    epoch: 10
    checkpoint_path: './checkpoints_quan/'
    strategies:
        - quantization_strategy

其中，可配置参数包括：

class: 量化策略的类名称，目前仅支持QuantizationStrategy。
start_epoch: 在start_epoch开始之前，量化训练策略会往train_program和eval_program插入量化operators和反量化operators。从start_epoch开始，进入量化训练阶段。
end_epoch: 在end_epoch结束之后，会保存用户指定格式的模型。注意：end_epoch之后并不会停止量化训练，而是继续训练直到epoch数等于compressor.epoch值为止。举例来说，当start_epoch=0，end_epoch=0，compressor.epoch=2时，量化训练开始于epoch0，结束于epoch1，但保存的模型是epoch0结束时的参数状态。
float_model_save_path: 保存float数据格式的模型路径，即该路径下的模型参数范围为int8范围但参数数据类型为float32。如果设置为None, 则不存储float格式的模型，默认为None。注意：Paddle-Lite即使用该目录下的模型进行量化模型推理优化，详见本文使用Paddle-Lite运行量化模型推理部分。
int8_model_save_path: 保存int8数据格式的模型路径，即该路径下的模型参数范围为int8范围且参数数据类型为int8。如果设置为None, 则不存储int8格式的模型，默认为None.
mobile_model_save_path: 保存兼容paddle-mobile框架的模型路径。如果设置为None, 则不存储paddle-mobile格式的模型，默认为None。目前paddle-mobile已升级为Paddle-Lite。
weight_bits: 量化weight的bit数，注意偏置(bias)参数不会被量化。
activation_bits: 量化activation的bit数。
weight_quantize_type: weight量化方式，目前量化训练支持abs_max、 channel_wise_abs_max。
activation_quantize_type: activation量化方式，目前量化训练支持abs_max、 range_abs_max和moving_average_abs_max。
save_in_nodes: variable名称列表。在保存量化后模型的时候，需要根据save_in_nodes对eval programg 网络进行前向遍历剪枝。默认为eval_feed_list内指定的variable的名称列表。
save_out_nodes: varibale名称列表。在保存量化后模型的时候，需要根据save_out_nodes对eval programg 网络进行回溯剪枝。默认为eval_fetch_list内指定的variable的名称列表。

备注：

1）abs_max意为在训练的每个step及inference阶段均动态计算量化scale值。channel_wise_abs_max与abs_max类似，不同点在于它会对卷积权重进行分channel求取量化scale。换言之，abs_max属于tensor-wise量化，而channel_wise_abs_max属于channel-wise量化，详细说明请猛戳此处。

2）moving_average_abs_max和range_abs_max意为在训练阶段计算出一个静态的量化scale值，并将其用于inference阶段。moving_average_abs_max使用窗口滑动平均的方法计算量化scale，而range_abs_max则使用窗口绝对值最大值的方式。

3）目前，Paddle-Lite仅支持运行weight量化方式使用abs_max且activation量化方式使用moving_average_abs_max或range_abs_max产出的量化模型。

5. 执行int8量化训练

修改run.sh，即注释掉# enable GC strategy与# for sensitivity filter pruning之间的内容并打开#for quantization相关的脚本命令（所需打开注释的命令如下所示）。

# for quantization
#---------------------------
export CUDA_VISIBLE_DEVICES=0
python compress.py \
--batch_size 64 \
--model "MobileNet" \
--pretrained_model ./pretrain/MobileNetV1_pretrained \
--compress_config ./configs/quantization.yaml \
--quant_only True

最后，运行sh run.sh命令开始int8量化训练。

二、使用Paddle-Lite运行量化模型推理

上述量化训练过程完成后，若用户按照本文中所述configs/quantization.yaml文件内容配置的模型输出路径，则可在models/PaddleSlim/output目录下看到float、int8和mobile三个目录，其中：

float目录: 参数范围为int8范围但参数数据类型为float32的量化模型。Paddle-Lite即使用该目录下的模型文件及参数进行量化模型的部署。
int8目录: 参数范围为int8范围且参数数据类型为int8的量化模型。
mobile目录：参数特点与int8目录相同且兼容paddle-mobile的量化模型（目前paddle-mobile已升级为Paddle-Lite）。

1. 在手机端准备量化模型文件

这里我们主要使用float目录下的模型文件（用户亦可以选择使用官方已经预训练好的MobileNetV1量化模型，点击此处进行下载）。使用如下命令将float目录下的量化模型文件导入到手机端：

adb shell mkdir -p /data/local/tmp/mobilenet_v1_quant
adb push float/* /data/local/tmp/mobilenet_v1_quant

2. 使用模型优化工具对量化模型进行优化

克隆PaddlePaddle/Paddle-Lite到本地（注意执行以下所有命令时均默认Paddle-Lite源码文件夹在当前目录下）。根据Docker开发环境的配置说明文档准备Paddle-Lite编译环境。若用户按照文档配置docker编译环境，则进入docker容器可看到宿主机端的Paddle-Lite源码文件夹被映射挂载到容器的/Paddle-Lite目录下。在docker容器中执行以下编译命令：

cd /Paddle-Lite
./lite/tools/build.sh             \
   --arm_os=android               \
   --arm_abi=armv8                \
   --arm_lang=gcc                 \
   --android_stl=c++_static       \
   full_publish

编译完成后退出docker容器，模型优化工具model_optimize_tool在宿主机的存放位置为Paddle-Lite/build.lite.android.armv8.gcc/lite/api/model_optimize_tool。此时，目录结构如下所示：
```
Paddle-Lite/
|-- build.lite.android.armv8.gcc
|   |-- lite
|   |   |-- api
|   |   |   |-- model_optimize_tool
```
在宿主机执行如下命令将model_optimize_tool文件导入到手机端。

adb push Paddle-Lite/build.lite.android.armv8.gcc/lite/api/model_optimize_tool /data/local/tmp

在宿主机执行如下命令，完成对量化训练模型的优化，产生适合在移动端直接部署的量化模型。

adb shell rm -rf /data/local/tmp/mobilenet_v1_quant_opt
adb shell chmod +x /data/local/tmp/model_optimize_tool
adb shell /data/local/tmp/model_optimize_tool                 \
--model_file=/data/local/tmp/mobilenet_v1_quant/model         \
--param_file=/data/local/tmp/mobilenet_v1_quant/weights       \
--optimize_out_type=naive_buffer                              \
--optimize_out=/data/local/tmp/mobilenet_v1_quant_opt         \
--valid_targets=arm                                           \
--prefer_int8_kernel=true

model_optimize_tool的详细使用方法请猛戳此处。

备注：如前所述，Paddle-Lite所使用的float目录下量化模型参数范围为int8范围但参数数据类型仍为float32类型，仅这样确实没有起到模型参数压缩的效果。但是，经过model_optimize_tool工具优化后对应的量化参数均会以int8类型重新存储达到参数压缩的效果，且模型结构也被优化（如进行了各种operator fuse操作）。

3. 使用mobilenetv1_light_api运行优化后的量化模型

在docker容器中执行如下命令获取Paddle-Lite轻量级API的demo：

cd /Paddle-Lite/build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/demo/cxx/mobile_light
make clean && make -j

执行完上述命令后退出docker容器，并可在宿主机Paddle-Lite/build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/demo/cxx/mobile_light/路径下看到mobilenetv1_light_api可执行文件。将mobilenetv1_light_api导入到手机端并运行量化模型推理。执行命令如下：

adb push Paddle-Lite/build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/demo/cxx/mobile_light/mobilenetv1_light_api /data/local/tmp
adb shell chmod +x /data/local/tmp/mobilenetv1_light_api
adb shell /data/local/tmp/mobilenetv1_light_api               \
    --model_dir=/data/local/tmp/mobilenet_v1_quant_opt

程序运行结果如下：

Output dim: 1000
Output[0]: 0.000228
Output[100]: 0.000260
Output[200]: 0.000250
Output[300]: 0.000560
Output[400]: 0.000950
Output[500]: 0.000275
Output[600]: 0.005143
Output[700]: 0.002509
Output[800]: 0.000538
Output[900]: 0.000969

在C++中使用Paddle-Lite API的方法请猛戳此处，用户也可参考mobilenetv1_light_api.cc的代码示例。

三、FAQ

问题：Compiled with WITH_GPU, but no GPU found in runtime

解答：检查本机是否支持GPU训练，如果不支持请使用CPU训练。如果在docker进行GPU训练，请使用nvidia_docker启动容器。

问题：Inufficient GPU memory to allocation. at [/paddle/paddle/fluid/platform/gpu_info.cc:262]

解答：正确设置run.sh脚本中CUDA_VISIBLE_DEVICES，确保显卡剩余内存大于需要内存。