GOBO: Quantizing Attention-Based NLP Modelsfor Low Latency and Energy Efficient Inference

GOBO

这篇文章提出一种针对BERT的量化方法，该方法可以将BERT的99.9% 的权重压缩到3bit。相比较其它的方法量化后不需要再微调或者是重新训练。

同时给出一种针对该量化方法的存储压缩机制，减少了推理延迟和能耗。该存储压缩机制具有很好的兼容性，可以用于TPU、Eyeriss、或者类似Tensor cores等单元。

最后是展现了一个硬件协同设计架构，该架构即使在计算的时候也将绝大多数权值维持在3bit。该架构有如下优点：

• 将绝大多数乘累加转换为加法
• 处理单元的效率高，单位面积可以封装更多计算能力
• 通过加大片上的存储容量减小片下的流量

量化设计方案

Gausian Group 和 Outlier Group

对于绝大多数DNN而言，人们发现其权值符合高斯分布，对于BERT而言也不例外。下图是BERT-Base某些层的权值分布。明显可以看出是符合高斯分布的。纵坐标是归一化了之后的权值，横坐标是权值出现的频次。

该文章还有一幅着色图来表示某一层的权值分布，横坐标一个单位表示一个权值，纵坐标表示该权值的大小。而某一点的颜色深浅表示该点由正态分布概率密度公式：

所计算出来的值。μ 和 σ 是该层权值的均值和标准差。可以看出来这一层的权值只有一小部分，也就是颜色较深的部分的值与其它权值相差较大。作者就将这一小部分的权值认为是Outlier Group，其余的权值划分到Gausian Group。

具体的计算方法是对某一层的权值求均值和方差，得出上述的正态分布概率密度公式，工事中x的值就是权值的大小，将计算出来的结果取对数，最终结果小于等于 -4 的被分入Outlier Group，而其它的归于Gausian Group。

本文所提出的离群值的检测方法的优点就是相比于其它的检测方法，将离群值的检测数量降低了一个数量级，outlier-aware quantization这种方法检测出的离群值是3%，本文是0.1%，可以将更多的数据量化，减小模型占用空间。

Gausian Group的量化

对于每一层Outlier Group的值，本文的思想是原样存储，对于Gausian Group的值则量化到3b。
首先需说明本文提出的量化方法的粒度是层，即每一个layer是用算法独自量化。并不是将BERT模型所有权值一起量化。
量化的具体思想很简单，算法如下：

简要的描述就是：

• 将Gausian Group进行排序，然后分成8个bin，每个bin的权值数量是一样的
• 计算每个bin的均值（centroid）
• 假如第一个bin有一个权值A，该权值A与第一个bin的centroid的L1距离大于这个权值A与第二个bin的centroid的L1距离，则将该权值A 从第一个bin移动到第二个bin，更新每个bin的centriod，继续迭代。
• 迭代的终止条件是每个bin的权值和centriod的L1距离之和达到最小值
• 最后得出的8个centroid就代表这一层的Gausian Group量化结果

对于更新后的8个bin，每个bin里面的权值量化后的结果就是这个bin的centriod。将8个centroid存储为字典，则每个权值只要存储对应的字典索引。

该算法的优点是相比线性划分算法和K-Means算法效率高，对于3b的量化只需要7个迭代就可收敛，是K-Means算法的9x，进行量化之后不需要对模型重新训练或者微调精度损失。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。¹

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. 注脚的解释 ↩︎