本文主要介绍使用Paddle-Lite加载PaddlePaddle产出的量化模型,并进行推理执行。我们以MobileNetV1模型为示例,首先介绍准备量化模型,然后介绍部署执行。

准备量化模型

PaddlePaddle使用量化训练和训练后量化两种方法将FP32模型量化成Int8模型,下面分别介绍两种方法如何产出量化模型。

量化训练

目前,PaddlePaddle框架的量化训练主要针对卷积层(包括二维卷积和Depthwise卷积)、和全连接层,对应算子是conv2d、depthwise_conv2d和mul,更多量化训练的原理请参考文档。Paddle-Lite支持运行PaddlePaddle框架量化训练产出的模型,可以进一步加快模型在移动端的执行速度。

温馨提示:如果您是初次接触PaddlePaddle框架,建议首先学习新人入门使用指南

您可以选择下载训练好的量化模型,或者使用PaddleSlim模型压缩工具训练得到量化模型。

下载量化模型

官方发布了MobileNetV1量化模型,直接下载到本地。

wget https://paddle-inference-dist.bj.bcebos.com/int8%2Fpretrain%2Fmobilenet_v1_quant%2Ffloat.zip

使用PaddleSlim模型压缩工具训练量化模型

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PaddlePaddle。例如:

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

pip install paddlepaddle-gpu==1.6.0.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==1.6.0 -i https://mirrors.aliyun.com/pypi/simple/

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。

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

数据准备

训练数据准备

参考models/PaddleCV/image_classification中的数据准备教程,下载训练数据,并且保存到PaddleSlim/data路径下。

预训练模型准备

参考/models/PaddleSlim/run.sh脚本, 从models/PaddleCV/image_classification下载MobileNetV1的预训练模型,并保存到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

压缩脚本介绍

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:

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。

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)]
Compressor和量化配置文件

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。

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_maxchannel_wise_abs_max
  • activation_quantize_type: activation量化方式,目前量化训练支持range_abs_maxmoving_average_abs_max。PaddlePaddle中还支持 abs_max 方法对激活进行量化,但是该方法动态计算输入的量化scale,这会增加计算量、减慢模型推理速度,所以lite不支持 abs_max激活量化方式。
  • 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_maxabs_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_maxrange_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_maxrange_abs_max产出的量化模型

执行int8量化训练

修改run.sh,即注释掉# enable GC strategy# 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。

上述量化训练过程完成后,若按照本文中所述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floatint8mobile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)。

训练后量化

下面以MobileNetV1为例,介绍使用训练后量化方法产出量化模型。关于训练后量化的原理和详细使用方法,请参考文档

该示例的代码放在models/PaddleSlim/quant_low_level_api/目录下。如果需要执行该示例,首先clone下来models,安装具有训练后量化功能的PaddlePaddle。因为目前Lite支持支持对conv2d、depthwise_conv2d和mul量化,所以修改run_post_training_quanzation.sh 脚本,设置is_full_quantize=False,然后执行该脚本;执行结束后,量化模型保存在mobilenetv1_int8_model目录下。下面介绍详细步骤。

1)准备模型和校准数据

安装PaddlePaddle的develop分支编译的whl包,准备已经训练好的FP32预测模型。

准备校准数据,文件结构如下。val文件夹中有100张图片,val_list.txt文件中包含图片的label。

samples_100
└──val
└──val_list.txt

2)配置校准数据生成器

MobileNetV1的输入是图片和标签,所以配置读取校准数据的sample_generator,每次返回一张图片和一个标签。详细代码在models/PaddleSlim/reader.py

3)调用训练后量化

调用训练后量化的核心代码如下,详细代码在post_training_quantization.py

place = fluid.CUDAPlace(0) if args.use_gpu == "True" else fluid.CPUPlace()
exe = fluid.Executor(place)
sample_generator = reader.val(data_dir=args.data_path)

ptq = PostTrainingQuantization(
    executor=exe,
    sample_generator=sample_generator,
    model_dir=args.model_dir,
    model_filename=args.model_filename,
    params_filename=args.params_filename,
    batch_size=args.batch_size,
    batch_nums=args.batch_nums,
    algo=args.algo,
    is_full_quantize=args.is_full_quantize == "True")
quantized_program = ptq.quantize()
ptq.save_quantized_model(args.save_model_path)

使用Paddle-Lite运行量化模型推理

使用模型优化工具对量化模型进行优化

接下来,使用原始的量化模型生成适合在移动端直接部署的模型。

参考源码编译配置编译环境,确保可以编译成功。参考模型转化方法,首先编译model_optimize_tool工具,然后执行下面命令对量化训练的模型进行优化(注意,需要自行修改model_file、param_file和optimize_out)。

./model_optimize_tool                         \
--model_file=mobilenet_v1_quant/float/model   \
--param_file=mobilenet_v1_quant/float/weights \
--optimize_out_type=naive_buffer              \
--optimize_out=mobilenet_v1_quant_opt         \
--valid_targets=arm                           \
--prefer_int8_kernel=true

如前所述,量化训练后,float目录下的模型参数范围为int8,但参数数据类型仍为float32类型,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)。

在手机端准备量化模型文件

使用如下命令将mobilenet_v1_quant_opt目录下的量化模型文件导入到手机端:

adb push mobilenet_v1_quant_opt /data/local/tmp

使用mobilenetv1_light_api运行优化后的量化模型

参考源码编译配置编译环境后,在Paddle-Lite执行如下命令获取轻量级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,可在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。

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。