tensorflow模型量化实例
1，概述
  模型量化应该是现在最容易实现的模型压缩技术，⽽且也基本上是在移动端部署的模型的毕竟之路。模型量化基本可以分为两种：post training quantizated和quantization aware training。在pyrotch和tensroflow中都提供了相应的实现接⼝。
  对于量化⽤现在常见的min-max⽅式可以⽤公式概括为：
    r=S(q−Z)
  上⾯式⼦中q为量化后的值，r为原始浮点值，S为浮点类型的缩放系数，Z为和q相同类型的表⽰r中0点的值。根据：
q−q min
q max−q min=
r−r min
r max−r min
  可以推断得到S和Z的值：
    S=r max−r min q max−q min
    Z=q min−r min S
2，实验部分
  基于tensorflow在LeNet上实验了这两种量化⽅式，代码见GitHub：。
  post training quantizated
  在tensorflow中实现起来特别简单，训练后的模型可是选择⽤savedModel保存的模型作为输⼊进⾏量化并转换成tflite，我们将这个版本称为v1版本。
import tensorflow as tf
saved_model_dir = "./pb_model"
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir,
input_arrays=["inputs"],
input_shapes={"inputs": [1, 784]},
output_arrays=["predictions"])
converter.optimizations = ["DEFAULT"]
tflite_model = vert()
open("tflite_model_v3/eval_graph.tflite", "wb").write(tflite_model)
  但在实际过程中这份代码转换后的tflite模型⼤⼩并没有缩⼩到1/4。所以⾮常奇怪，⽬前还不确定原因。在这基础上我们引⼊了⼀⾏代码，将这个版本称为v2：
import tensorflow as tf
saved_model_dir = "./pb_model"
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir,
input_arrays=["inputs"],
tensorflow版本选择input_shapes={"inputs": [1, 784]},
output_arrays=["predictions"])
converter.optimizations = ["DEFAULT"]  # 保存为v1,v2版本时使⽤
converter.post_training_quantize = True  # 保存为v2版本时使⽤
tflite_model = vert()
open("tflite_model_v3/eval_graph.tflite", "wb").write(tflite_model)
  这样模型的⼤⼩缩⼩到了1/4。
  之后再单独转为tflite的模型，这个称为v3：
import tensorflow as tf
saved_model_dir = "./pb_model"
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir,
input_arrays=["inputs"],
input_shapes={"inputs": [1, 784]},
output_arrays=["predictions"])
tflite_model = vert()
open("tflite_model_v3/eval_graph.tflite", "wb").write(tflite_model)
  很显然，直接转为tflite，模型⼤⼩肯定不会压缩的，我们再来看看推断速度，推断代码再GitHub上，具体结果如下：
  上⾯checkpoint是在cpu上直接加载checkpoint进⾏预测。在这⾥看到只有v2版本的模型压缩到了原来的1/4，但是推断速度却不如v1和v3版本，且tflite模型的推断速度明显优于checkpoint。我猜原因可能是：
    1，tflite本⾝的解释器对tflite模型是有加速的。
    2，⾄于为什么量化后的模型反⽽效果不好，是因为post training quantized本质上计算时是将int转换成float计算的，因此中间存在量化和反量化的操作占绝了些时间。
  quantization aware training
  在训练中引⼊量化的操作要复杂很多，⾸先在训练时在损失计算后⾯，优化器定义前⾯要要引⼊
self.loss = slim.losses.softmax_cross_ain_digits, self.input_labels)
# 获取当前的计算图，⽤于后续的量化
self.g = tf.get_default_graph()
if self.is_train:
# 在损失函数之后，优化器定义之前，在这⾥会⾃动选择计算图中的⼀些operation和activation做伪量化
self.lr = cfg.LEARNING_RATE
  训练完之后模型会保存为checkpoint⽂件，该⽂件中含有伪量化信息。这个⾥⾯的变量还是float类型，我们需要将其转换成只含int类型的模型⽂件，具体做法如下：
  1，保存为freeze pb⽂件，并使⽤tf.ate_eval_graph()来转换成推断模式
with tf.Session() as sess:
le_net = Lenet(False)
saver = tf.train.Saver()  # 不可以导⼊train graph，需要重新创建⼀个graph，然后将train graph图中的参数来填充该图
frozen_graph_def = vert_variables_to_constants(
sess, aph_def, ['predictions'])
tf.io.write_graph(
frozen_graph_def,
"pb_model",
"freeze_eval_graph.pb",
as_text=False)
  注意上⾯的注释，在这⾥的saver⼀定不能⽤类似tf.train.import_meta_graph的⽅式导⼊训练时的计算图，⽽是通过再次调⽤Lenet类初始⼀个计算图，然后将训练图中的参数变量赋给该计算图。
  2，转换成tflite⽂件
import tensorflow as tf
path_to_frozen_graphdef_pb = 'pb_model/freeze_eval_graph.pb'
converter = tf.contrib.lite.TFLiteConverter.from_frozen_graph(path_to_frozen_graphdef_pb,
["inputs"],
["predictions"])
converter.inference_type = tf.stants.QUANTIZED_UINT8
converter.quantized_input_stats = {"inputs": (0., 1.)}
converter.allow_custom_ops = True
converter.default_ranges_stats = (0, 255)
converter.post_training_quantize = True
tflite_model = vert()
open("tflite_model/eval_graph.tflite", "wb").write(tflite_model)
  注意⼏点：
  1)，["inputs"], ["predictions"]是freeze pb中的输⼊节点和输出节点
  2)，quantized_input_states是定义输⼊的均值和⽅差，tensorflow lite的⽂档中说这个mean和var的计算⽅式是：mean 是 0 到 255 之间的整数值，映射到浮点数 0.0f。std_dev = 255 /（float_max - float_min）但我发现再这⾥采⽤0. 和 1.的效果也是不错的。
  3)，default_ranges_states是指量化后的值的范围，其中255就是2^8 - 1。
  3，使⽤tflite预测
import time
import tensorflow as tf
import numpy as np
ist.input_data as input_data
mnist = ad_data_sets('MNIST_data/', one_hot=True)
labels = [label.index(1) for label list()]
images = st.images
"""
预测的时候需要将输⼊归⼀化到标准正态分布
"""
means = np.mean(images, axis=1).reshape([10000, 1])
std = np.std(images, axis=1, ddof=1).reshape([10000, 1])
images = (images - means) / std
"""
需要将输⼊的值转换成uint8的类型才可以
"""
images = np.array(images, dtype="uint8")
interpreter = tf.contrib.lite.Interpreter(model_path="tflite_model/eval_graph.tflite")
interpreter.allocate_tensors()
input_details = _input_details()
output_details = _output_details()
start_time = time.time()
predictions = []
for image in images:
interpreter.set_tensor(input_details[0]['index'], [image])
interpreter.invoke()
score = _tensor(output_details[0]['index'])[0][0]
predictions.append(score)
correct = 0
for prediction, label in zip(predictions, labels):
if prediction == label:
correct += 1
end_time = time.time()
print((end_time - start_time) / len(labels) * 1000)
print(correct / len(labels))
  同样要注意两点：
  1)，输⼊要归⼀化到标准正态分布，这个我认为是和之前设定的quantized_inputs_states保持⼀致的。
  2)，输⼊要转换成uint8类型，不然会会报错。
  4，性能对⽐
  模型⼤⼩降低到之前的1/4，这个是没什么问题的，性能下降2%，可以接受，推断速度提升了3倍左右。
  我们再和之前post training quantized中对⽐下：⼤⼩和v2⼀样，性能较v2差2%，推断速度快0.02。个⼈认为原因可能如下：
  1，⾸先可能LeNet在mnist数据集上算是⼤模型，因此post training quantized对性能损失不⼤，因此和quantization aware training⽐并没有劣势，反⽽还有些优势。
  2，quantization aware training的推断速度要快⼀些（注：这个值不是偶然，我测试过很多次，推断速度基本都稳定在⼀个值，平均上差0.02），但是快的不明显，⽽且较v1和v3还有所下降，因为在卷积⽹络中，计算复杂度主要受卷积的影响，⽽在这⾥的卷积并不⼤，量化后对推断速度的影响并不明显，其次引⼊量化操作还会损耗⼀些时间，且v2中还有反量化操作，因此时间消耗更多⼀点。最后就是可能硬件上并没有特别⽀持int8的计算。
  总之上⾯只是测试了整个tensorflow中量化的流程。因为选择的⽹络⽐较简单，并没有看到在诸如Inception3，mobileNet上那样明显⼀点的差距。另外tflite确实能加速。
Processing math: 100%

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。