模型量化-动态离线量化

本文首先简单介绍动态离线量化，然后说明产出量化模型，最后阐述量化模型预测。

1 简介

动态离线量化，将模型中特定OP的权重从FP32类型量化成INT8/16类型。

该量化模型有两种预测方式：第一种是反量化预测方式，即是首先将INT8/16类型的权重反量化成FP32类型，然后再使用FP32浮运算运算进行预测；第二种量化预测方式，即是预测中动态计算量化OP输入的量化信息，基于量化的输入和权重进行INT8整形运算。

注意，目前PaddleLite仅仅支持第一种反量化预测方式。

使用条件：

• 有训练好的预测模型

使用步骤：

• 产出量化模型：使用PaddlePaddle调用动态离线量化离线量化接口，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：

• 权重量化成INT16类型，模型精度不受影响，模型大小为原始的1/2
• 权重量化成INT8类型，模型精度会受到影响，模型大小为原始的1/4

缺点：

• 目前只支持反量化预测方式，主要可以减小模型大小，对特定加载权重费时的模型可以起到一定加速效果

2 产出量化模型

大家可以使用PaddleSlim调用动态离线量化接口，得到量化模型。

2.1 安装PaddleSlim

参考PaddleSlim文档进行安装。

2.2 准备模型

准备已经训练好的FP32预测模型，即 save_inference_model() 保存的模型。

2.3 调用动态离线量化

对于调用动态离线量化，首先给出一个例子。

from paddleslim.quant import quant_post_dynamic
model_dir = path/to/fp32_model_params
save_model_dir = path/to/save_model_path
quant_post_dynamic(model_dir=model_dir,
                   save_model_dir=save_model_dir,
                   weight_bits=8,
                   quantizable_op_type=['conv2d', 'mul'],
                   weight_quantize_type="channel_wise_abs_max",
                   generate_test_model=False)

执行完成后，可以在 save_model_dir/quantized_model 目录下得到量化模型。

动态离线量化api的详细介绍，请参考链接。

3 量化模型预测

目前，对于动态离线量化产出的量化模型，只能使用PaddleLite进行预测部署。

很简单，首先使用PaddleLite提供的模型转换工具（opt）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。

注意，PaddleLite 2.3版本才支持动态离线量化产出的量化，所以转换工具和预测库必须是2.3及之后的版本。

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。 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。