Skip to content

Latest commit

 

History

History
198 lines (146 loc) · 8.55 KB

quant.md

File metadata and controls

198 lines (146 loc) · 8.55 KB
Raw

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。由于量化功能要求最新的PaddlePaddle版本，所以请参考文档安装develop(Nightly build)版本。

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。

3.4 参考资料

4 量化加速比

测试环境：

  • GPU: V100
  • CPU: Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz
  • CUDA: 10.2
  • cuDNN: 7.6
  • TensorRT: 6.0.1.5

测试方法:

  1. 运行耗时为纯模型预测时间，测试图片cityspcaes(1024x2048)
  2. 预测10次作为热启动，连续预测50次取平均得到预测时间
  3. 使用GPU + TensorRT测试
模型 未量化运行耗时(ms) 量化运行耗时(ms) 加速比
deeplabv3_resnet50_os8 204.2 150.1 26.49%
deeplabv3p_resnet50_os8 147.2 89.5 39.20%
gcnet_resnet50_os8 201.8 126.1 37.51%
pspnet_resnet50_os8 266.8 206.8 22.49%