1. 概述
前言:这篇博客中涉及到的是网络在做int8 infer时候涉及到的量化方法,这里并不涉及到int8训练的东西,这篇文章涉及到的量化方法主要来自于:Quantizing deep convolutional networks for efficient inference: A whitepaper。
深度学习中网络的加速主要有如下的几种方式:
- 1)设计高效且小的网络,如MobileNet系列、shuffleNet系列、VoVNet等;
- 2)从大的模型开始通过量化、剪裁、蒸馏等压缩技术实现网络的小型化;
- 3)在inference阶段使用特殊的计算库实现计算的加速,比如MKL、TensorRT等;
在上面的方法中最简单的方法就是降低模型运算过程中的bits数量,降低到16bits、8bits甚至2bits。这样做具有如下的优点:
- 1)在众多的使用场合与模型中可以广泛使用,并不需要设计再设计特殊的网络结构,而且量化是从训练好的模型上进行的,并不需要重训练,且损失精度比较少。目前现有的大部分硬件计算资源都是支持这样的运算模式的,因而也不需要重新设计专门的硬件;
- 2)模型量化可以显著减少模型的尺寸大小,理论上可以减少模型的尺寸4倍,并且模型的性能损失很小;
- 3)使用更低bits数的模型可以减少在运算过程中的内存与缓存消耗;
- 4)大多数的处理器对8bits的运算更快;
- 5)8bits的计算拥有更好的实现效率,因而进行对应的计算所消耗的能量更少;
2. 量化的方法
2.1 Uniform Affine Quantizer
将范围在 ( x m i n , x m a x ) (x_{min},x_{max}) (xmin,xmax)之间的浮点数字映射到规定的范围 ( 0 , N l e v e l s − 1 ) ,