AI学习_模型优化：剪枝、蒸馏、量化

量化、剪支、蒸馏
注意：这三种方法是三选一！不能同时用
Q：为什么不能同时用？
A：技术上可以同时用，但没有必要
每一种优化（压缩）方式都会对模型精度有一定的影响，同时用更会叠加这种影响。如果精度损失过大，就得不偿失了

优化方式：剪枝

面试会问！dropout和剪枝的区别
dropout：以批次为单位，每批次随意抑制神经元（下一批次可能就不抑制了）
剪枝：完全减去参数

正则化的介绍：
https://baijiahao.baidu.com/s?id=1653085297096293714

L1正则化基础：在损失函数中增加——取参数的绝对值，让参数尽可能为0，减少网络规模
L2：在L1基础上，只使参数尽可能“变小”

剪枝分为两种：结构化剪枝/ 非结构化剪枝：
结构化剪枝:剪去的是网络层，会改变模型的结构，（对模型影响比较大）
非结构化剪枝:剪的是神经元不会改变模型的结构
【注意！有的硬件是不支持非结构化剪枝的！】

全局剪枝：只支持非L1结构化剪枝
由于是“删去加起来的总共20%权重”，所以会着重减中间的+不可控，所以不推荐

不同剪枝的差异：

剪枝的步骤（及其根本问题）：
每次剪枝后都要重新训练，效率极低
用的最多的是量化

查看参数变化的方法：
list( module.named_parameters() )
这个方法可以打印模型参数，也会保留原版参数

剪枝知识点概览：

优化方式：蒸馏

从复杂的网络中，提取有用部分，组成一个小模型

原理即为“教导”
教导的方式：
输出一组概率（软目标），而不是简单的一组one_hot（硬目标）。是一种“极大似然估计”

蒸馏过程：“学习”和“考试”
蒸馏的操作之一：加入T作为softmax的输入（教师和学生都加），使大值更大，小值更小

蒸馏的应用场景：

前提：当网络只能刚刚好拟合时，就不能再蒸馏了（目前大部分网络都过大了）
而且也不能无限缩小（小网络的损失要合适）

————————————————————
蒸馏的具体操作

这里的参数“小写t”，要根据具体情况而定（整数，1~3这种）

大小会影响“输出概率的平缓程度”，也可以用来调整“老师/学生输出之间的相似度”
越大会让曲线越平缓，越小会让曲线越陡峭

选择学习时、损失函数的选择：
交叉熵：两条分布曲线相似
相对熵（KL散度）：不仅相似，距离也要接近

使用注意：记得带上这个参数

蒸馏知识点概览：

优化方式：量化

量化：最实用
但pytorch对量化的支持不好
常用程度：量化 > 蒸馏 > 剪枝

量化:将训练好的网络的权值，激活值从高精度转化为低精度的操作过程

优点：
1.减少内存和存储的占用
2.降低功耗
3.提升计算速度

量化的对象:
1.权重
2.激活函数的输出
3.梯度(用于降低分布式计算的通讯成本)

pytorch的量化还在测试，还只支持CPU

知道最大值的数据，可以直接÷最大值来量化
不知道最大值的数据，用标准化（用方差和期望/平均值）来量化

在使用标准化时，dtype=quint8

量化知识点概览：