模型量化-量化训练

首先我们介绍一下Paddle支持的模型量化方法，让大家有一个整体的认识。

Paddle模型量化包含三种量化方法，分别是动态离线量化方法、静态离线量化方法和量化训练方法。

下图展示了如何选择模型量化方法。

下图综合对比了模型量化方法的使用条件、易用性、精度损失和预期收益。

)

大家可以根据不同情况选用不同的量化方法，有几点着重注意：

• 动态离线量化方法主要用于减小模型体积，对性能提升不太明显

• 静态离线量化方法和量化训练方法既可以减小模型体积，也可以加快性能，性能加速基本相同

• 静态离线量化方法比量化训练方法更加简单，一般建议首先使用静态离线量化方法，如果量化模型精度损失较大，再尝试使用量化训练方法。

动态离线量化方法参考文档，静态离线量化方法参考文档，下文主要介绍量化训练方法。

本文主要介绍使用PaddleSlim量化训练方法产出的量化模型，使用PaddleLite加载量化模型进行推理部署，

1 简介

量化训练是使用较多练数据，对训练好的预测模型进行量化。该方法使用模拟量化的思想，在训练阶段更新权重，实现减小量化误差。

使用条件：

• 有预训练模型

• 有较多训练数据（通常大于5000）

使用步骤：

• 产出量化模型：使用PaddlePaddle调用量化训练接口，产出量化模型

• 量化模型预测：使用PaddleLite加载量化模型进行预测推理

优点：

• 减小计算量、降低计算内存、减小模型大小

• 模型精度受量化影响小

缺点：

• 使用条件较苛刻，使用门槛稍高

建议首先使用“静态离线量化”方法对模型进行量化，然后使用使用量化模型进行预测。如果该量化模型的精度达不到要求，再使用“量化训练”方法。

2 产出量化模型

目前，PaddleSlim 框架的量化训练主要针对卷积层和全连接层，对应算子是conv2d、depthwise_conv2d、conv2d_tranpose和mul。Paddle-Lite支持运行PaddlePaddle框架量化训练产出的模型，可以进一步加快模型在移动端的执行速度。

温馨提示：如果您是初次接触PaddlePaddle框架，建议首先学习新人入门和使用指南。

使用PaddleSlim模型压缩工具训练量化模型，请参考文档：

• 量化训练快速开始教程

• 量化训练API接口说明

• 量化训练Demo

3 使用Paddle-Lite运行量化模型推理

首先，使用PaddleLite提供的模型转换工具（model_optimize_tool）将量化模型转换成移动端预测的模型，然后加载转换后的模型进行预测部署。

3.1 模型转换

参考模型转换准备模型转换工具，建议从Release页面下载。

参考模型转换使用模型转换工具，参数按照实际情况设置。比如在安卓手机ARM端进行预测，模型转换的命令为：

./opt --model_dir=./mobilenet_v1_quant \
      --optimize_out_type=naive_buffer \
      --optimize_out=mobilenet_v1_quant_opt \
      --valid_targets=arm

3.2 量化模型预测

和FP32模型一样，转换后的量化模型可以在Android/IOS APP中加载预测，建议参考C++ Demo、Java Demo、Android/IOS Demo。

FAQ

问题：Compiled with WITH_GPU, but no GPU found in runtime

解答：检查本机是否支持GPU训练，如果不支持请使用CPU训练。如果在docker进行GPU训练，请使用nvidia_docker启动容器。

问题：Inufficient GPU memory to allocation. at [/paddle/paddle/fluid/platform/gpu_info.cc:262]

解答：正确设置run.sh脚本中CUDA_VISIBLE_DEVICES，确保显卡剩余内存大于需要内存。