百度深度学习框架paddlepaddle实战五——模型压缩

微信公众号：小白图像与视觉

关于技术、关注yysilence00。有问题或建议，请公众号留言。

说明

本次作业为二种类型，分别是选择题和实践题。其中选择题是不定项选择。实践题需要在提示的地方填上代码，跑通项目。

资料

做作业时可以参考以下资料。

PaddleSlim代码地址： https://github.com/PaddlePaddle/PaddleSlim

文档地址：https://paddlepaddle.github.io/PaddleSlim/

选择题

【1】定点化量化的优点有哪些？

A. 存带宽 B. 低功耗 C. 低计算资源 D. 低存储体积

【2】在常规蒸馏任务中，以下说法正确的是：

A. 只有teacher model的参数需要更新

B. 只有student model的参数需要更新

C. teacher model和student model 的参数都需要更新

D.teacher model和student model 的参数都不需要更新

【3】是否能用MobileNetv1蒸馏ResNet50？

A: 能

B: 不能

【4】下面方法哪些可以减少模型推理时间？

A. 只对权重weight进行量化

B. 对ResNet50模型进行蒸馏提高精度

C. 对模型进行裁剪，减少通道数

D. 对权重weight和激活进行量化，预测采用INT8计算

【5】NAS的三个关键要素是：

A. 搜索空间

B. 搜索算法

C. 模型优化

D. 模型评估

选择题答题卡

请将每道选择题的答案写在这里：

【1】A B C D

【2】C

【3】B

【4】B C D

【5】A B D

图像分类模型量化教程

该教程以图像分类模型MobileNetV1为例，说明如何快速使用量化训练接口。
该示例包含以下步骤：

1. 导入依赖
2. 构建模型
3. 定义输入数据
4. 训练模型
5. 量化模型 这个步骤中需要添加代码
6. 训练和测试量化后的模型

以下章节依次介绍每个步骤的内容。

0. 安装paddleslim

!pip install paddleslim

Looking in indexes: https://pypi.mirrors.ustc.edu.cn/simple/
Collecting paddleslim
[?25l  Downloading https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/69/3c/880afac020e3393da5a55b4e0b504d2b644a7ebe91092d953185f09660d1/paddleslim-1.0.1-py2.py3-none-any.whl (103kB)
[K    100% |████████████████████████████████| 112kB 8.8MB/s ta 0:00:01
[?25hRequirement already satisfied: tqdm in /opt/conda/envs/python27-paddle120-env/lib/python2.7/site-packages (from paddleslim) (4.36.1)
Installing collected packages: paddleslim
Successfully installed paddleslim-1.0.1

1. 导入依赖

PaddleSlim依赖Paddle1.7版本，请确认已正确安装Paddle，然后按以下方式导入Paddle和PaddleSlim:

import paddle
import paddle.fluid as fluid
import paddleslim as slim
import numpy as np

2. 构建模型

该章节构造一个用于对MNIST数据进行分类的分类模型，选用MobileNetV1，并将输入大小设置为[1, 28, 28]，输出类别数为10。
为了方便展示示例，我们在paddleslim.models下预定义了用于构建分类模型的方法，执行以下代码构建分类模型：

use_gpu = fluid.is_compiled_with_cuda()
exe, train_program, val_program, inputs, outputs = slim.models.image_classification