【tensorrt】——int8量化过程浅析/对比

关键词:tensorrt， int8

简介: int8推理需要在计算能力大于6.1的显卡上。INT8引擎从32位网络定义构建，类似于32位和16位引擎，但有更多的配置步骤。特别地，构建器和网络必须配置为使用INT8, INT8要求按张量动态范围。INT8校验器可以确定如何最好地将权值和激活表示为8位整数，并相应地设置每个张量的动态范围。或者，您可以自定义每个张量的动态范围;这在sampleINT8API中有涉及。

1. 整体流程

1. 定义好模型网络
2. 设置好校准器（就是一些验证样本）
3. 设置好builder，设置能用int8模式
4. 构建好模型
5. 测试/保存模型

定义网络模型

为INT8执行定义网络与为其他精度定义网络完全相同。权重应该作为FP32值导入，构建器将校准网络，以找到适当的量化因子，将网络的精度降低到INT8。可以采用导入的方式，导入caffe，onnx的模型

设置校准器

在为INT8构建网络时，校准是一个额外的步骤。应用程序必须提供TensorRT样本输入，换句话说，校准数据。然后，TensorRT将在FP32中执行推断，并收集有关中间激活层的统计数据，它将使用这些统计数据构建更低精度的INT8引擎。

必须使用在运行时使用的具有代表性的图像进行校准。因为样本是基于Caffe的，所以Caffe在运行网络之前执行的任何图像预处理(如缩放、裁剪或均值减法)都将在Caffe中完成，并作为一组文件捕获。示例使用一个实用程序类(MNISTBatchStream)来读取这些文件，并为校准创建适当的输入。
校准用的样本需要保证：预处理一样

注意: 校准数据必须代表运行时提供给TensorRT的输入数据;例如，对于图像分类网络，它不应该仅仅由类别的一小部分图像组成。对于ImageNet网络，大约500张校准图像就足够了。

tensorrt 提供了4种校准器可供继承（具体差别还未知）：

1. IInt8EntropyCalibrator
2. IInt8EntropyCalibrator2
3. IInt8MinMaxCalibrator
4. IInt8LegacyCalibrator

继承一个校准器之后，需要重写getBatchSize() and getBatch()两个函数，第一个函数返回校准时的batch大小，后一个函数返回一个batch的数据

在校准开始时，builder调用’ getBatchSize() ‘方法来获取校准集的批大小。然后重复调用’ getBatch() '方法来从应用程序获取批大小，直到该方法返回false。每个校准批次必须包括指定批次大小的图像数量。（这部分是隐藏的，tensorrt的builder自动调的）

设置builder

进行一些常规设置：

1. Set minimum and average number of timing iterations.
   config->setAvgTimingIterations(1);
config->setMinTimingIterations(1);

2. Set maximum workspace size.
   config->setMaxWorkspaceSize(1_GiB);

3. Set allowed builder precision to INT8 in addition to FP32. Default builder precision is FP32.
   config->setFlag(BuilderFlag::kINT8);

4. Set maximum batch size.
   builder->setMaxBatchSize(mParams.batchSize);

5. Pass the calibrator object (calibrator) to the builder.
   config->setInt8Calibrator(calibrator.get());

构建模型

像float32模型一样构建模型：

mEngine = std::shared_ptr<nvinfer1::ICudaEngine>(
builder->buildEngineWithConfig(*network, *config), samplesCommon::InferDeleter());

测试/保存模型

后续就是保存模型，或者像float32模型一样写推理脚本，推理测试。

int8/float16对比测试

模型	tensorrt engine size/MB	显存占用	输入尺寸	耗时/ms
hrnetw18(int8)	13.4	1710	640*480	4.437
hrnetw18(f16)	17.1	1514	640*480	4.725
hrnetw18(f32)	29.0	1619	640*480	10.0

其他

• tensorrt是提供了python api的，所有的int8量化都可以在python中实现，可以优选python毕竟预处理方便一些
• int8量化较float16类型的推理速度提升有限