模型优化概述：量化、压缩、轻量化

0 views · 2024-08-26

模型量化技术

模型量化的主要思路是寻找一个映射函数，将高精度的值映射为低精度的值（降低位宽），且保证效果相似，以降低存储成本和计算需求。量化的对象通常是权重数据和激活数据。根据量化间距是否相等分为线性量化（均匀量化）和非线性量化（非均匀量化）。

线性量化

分类

根据float32的零点是否映射到int的零点可以分为对称量化和非对称量化。

如果float32的绝对值最大映射为127，则称为非饱和量化；选择合适阈值 $T$ 映射为127，则称为饱和量化。权重常用非饱和量化，激活常用饱和量化。

浮点化定点

将float32化为8位动态定点数，需要指定小数位数 $f$ ，表示的数为 $a \times 2^{- f}$ 。例如 $f = 4$ 时，8位依次是符号位1位，整数位3位，小数位4位，数值范围为 $- 8$ ~ $7.9375$ ，分辨率为 $0.0625$ 。

应用时，同一层激活（或权重）小数位数相同，不同层激活（或权重）小数位数可以不同。

仿射映射量化

原数 $d$ （实数）和量化表示 $q$ （整数）的关系：

d = s (q - z)

其中 $s$ 是量化步长， $z$ 是零点（整数）。相应地，量化计算公式为：

q = round (d / s + z)

参数 $s$ 、 $z$ 的确定公式为：

s = (d_{ma x} - d_{min}) / (q_{ma x} - q_{min})

z = round (q_{min} - d_{min} / s)

例如，希望将数据范围 $[μ - 2 σ, μ + 2 σ]$ 映射到8位整数（范围 $- 128$ ~ $12$ ），计算参数为：

s = (d_{ma x} - d_{min}) / (q_{ma x} - q_{min}) = 4 σ /255

z = round (q_{min} - d_{min} / s) = round (- 128 - (μ - 2 σ) / s)

非线性量化

权重和激活分布不均匀时，可以采用变间隔的量化以提高精度。常见的非线性量化包括：

对数量化（移位量化）：量化值在以 $2$ 为底的对数域上均匀分布；此时乘法计算可以简化为移位。

学习量化（权重共享）：对权重聚类分组，每组分配一个值，构建码本，组内权重映射到该值。

模型压缩技术

网络剪枝

给定一神经网络模型，去除该模型中对最终结果影响不大的参数，获得结构更为精简的模型，该过程被称为网络剪枝(Neural Network Pruning)。

非结构化剪枝

细粒度的剪枝，将不必要的权重归零；模型准确率损失更小，但部署时需要特殊的硬件和优化库支持其稀疏运算。

结构化剪枝

粗粒度的剪枝，直接丢弃整个神经元、卷积核整行、整列、整个通道甚至整个卷积核；模型准确率受影响更大，但能很好部署在SIMD或通用并行结构平台上。

基于SVD分解的模型压缩

将 $W$ 做SVD近似，使用两个全连接层 $U$ 和 $Σ V^{T}$ 代替 $W$ ：

y = W x = U (Σ V^{T}) x

取最大的前 $t$ 个奇异值，则计算量为 $t (u + v)$ 。

模型输出压缩

观察到ReLU激活函数下，输出具有稀疏性（很多位置为0值），可以考虑如下压缩方案：

游程编码

硬件优化，跳过 $\times 0$ 运算涉及的权重读取、跳过 $\times 0$ 运算的时钟周期等

删减低值激活，牺牲一定准确性，进一步增加特征图稀疏程度

轻量化模型

基于不同卷积类型的轻量化网络

常规卷积

假设卷积核 $h \times w$ ，输入通道 $D_{i}$ ，输出通道 $D_{o}$ ，常规卷积需要的参数量为 $h \times w \times D_{i} \times D_{o}$ 。

分组卷积

如果分成 $g$ 组，可以理解为把整个卷积考虑为 $g$ 个子问题，每个子问题是：
求解 $H_{i} \times W_{i} \times (D_{i} / g)$ 输入数据，经过卷积得到 $H_{o} \times W_{o} \times (D_{o} / g)$ 输出数据。
最后将得到的 $g$ 个输出数据拼接起来，得到 $H_{o} \times W_{o} \times D_{o}$ 输出。

在这个过程中，每一组卷积核大小为 $h \times w \times (D_{i} / g)$ ，卷积核的个数为 $(D_{o} / g)$ ，因此每组卷积的参数量为 $h \times w \times (D_{i} / g) \times (D_{o} / g)$ 。由于一共有 $g$ 组，所以总参数量为 $h \times w \times D_{i} \times D_{o} \times 1/ g$ 。

可以看到，分为 $g$ 组的分组卷积参数量是常规卷积的 $1/ g$ 。

深度卷积

深度卷积可视为特殊情况的分组卷积，此时有 $g = D_{i} = D_{o}$ 。

逐点卷积

逐点卷积就是 $h \times w = 1 \times 1$ 的普通卷积，此时参数量化简为 $D_{i} \times D_{o}$ 。

深度可分离卷积

深度可分离卷积是深度卷积和逐点卷积的组合，首先对输入数据进行深度卷积， $g = D_{i}$ ，参数量为 $h \times w \times D_{i}$ ；然后对中间输出数据进行逐点卷积使得通道数变为 $D_{o}$ ，这一步的参数量为 $D_{i} \times D_{o}$ 。

深度可分离卷积的总参数量为 $h \times w \times D_{i} + D_{i} \times D_{o}$ 。

基于Ghost特征的轻量化网络

Ghost模块使用较少卷积核对输入进行常规卷积，获得通道较少的输出特征并将其作为固有特征图；然后对固有特征图的每个通道进行线性变换，得到其对应的Ghost特征图；最后拼接在一起。

Ghost模块的特点：

具有很强的即插即用性

运算速度优化效果较明显

不能有效降低参数量及存储空间

知识蒸馏

大型的网络泛化能力较强，但不便于部署；知识蒸馏希望获得泛化能力强的小网络。首先训练一个泛化能力强的大网络（教师网络），然后结合训练数据和教师网络的“软预测”，再训练小网络（学生网络）。

知识蒸馏的核心思想是：教师网络“软预测”的值携带了训练数据以外的泛化信息。“软预测”是指教师网络经过Softmax后的输出。小网络的目标函数就是：

L = α L_{so f t} + β L_{ha r d}

前者对应了泛化能力，后者对应了训练数据的拟合程度。

使用Softmax的输出存在一个问题，Softmax的指数计算会放大差异，导致小值太小，训练效果不好；此时需要引入蒸馏温度 $T$ ，将Softmax函数变为：

q_{i} = \frac{e ^{z_{i} / T}}{\sum _{j = 1}^{n} e ^{z_{j} / T}}

此时可以通过调整 $T$ 的值，使得Softmax的输出更为平缓（有区分度且小值不至于太小）。

本页目录