Quantizing Deep Convolutional Networks For Efficient Inference A Whitepaper
Question:到底加速在哪?
Nvidia官网上的一张图
非对称量化
第一步,先转int32,对原始数据除以delta + zero-point
第二步,把int8之外的数据剔除,将其存储在8bit存储单元中。
反量化:
需要注意一点,反量化没有误差。
假设量化后的数据和量化前的数据可以一一对应,那么反量化操作是可以完全恢复原始数据的!!
那有了量化后的数据我们怎么得到算子运算之后的数据呢??
卷积量化:
缺点是计算略微复杂了一点。z!!
对称量化
让z=0
原因:
zero-padding 不要有误差。
缺点,对不关于0对称的数据不友好,比如relu激活后的数据,浪费比特了。
随机量化
论文中说:
不解。说是对梯度计算有好处? 从这个公式怎么看出来对梯度有好处?
感知量化
量化训练的问题:clamp不可导 → 梯度几乎处处为0;
解决:跳过clamp函数,梯度计算直接用量化前的权重计算,而不是量化反量化之后的权重计算。
量化参数选取
KL div
Intuition: KL散度衡量的是用Q分布来编码真实分布P时产生的信息损耗;如果这个信息损失够小,那么这显然是很好的量化结果。
目的:
得到一个最佳threshold
算法:
从一个最小值(应该是超参)到包含所有数据的最大值开始依次试,每次计算量化前后的KL div,取最小的那个结果对应的thre。
量化粒度
层间量化的效果不如每个channel量化的效果。粒度越细效果越好。
训后量化
- 只量化权重 : 不需要数据
- 权重和激活值都量化: 需要数据
(1)per-channel量化的效果跟原始结果已经非常接近了。
(2)数据量化几乎是没损失的,因为bn使得数据变得0均值小方差,relu6这样的激活函数将数值限制在了0到6,这都有利于量化。
(3)越大的模型(resnet)对量化越robust(相比于mibilenet)
(4)层间量化精度掉的非常多。
(5)几乎所有的精度损失都来自于权重量化,而非数据量化。
BN的一些问题
merge加速
相当于对上一层的卷积的权重相乘,加上一个新bias
但是由于训练过程中sigma和u都是和数据有关的,而且是和batch内数据非常相关,因此sim quant权重可能会因此不稳定。
Solution:量化反量化前用滑动平均,之后再恢复。