quantization_FAQ.md

量化FAQ

1. 量化训练或者离线量化后的模型体积为什么没有变小？
2. 量化训练或者离线量化后的模型使用fluid加载为什么没有加速？怎样才能加速？
3. 该怎么设置适合的量化配置？
4. 离线量化出现'KeyError: '报错
5. 离线量化或者量化训练时出现CUDNN或者CUDA错误
6. 量化训练时loss是nan
7. cpu上跑量化后的模型出nan

1. 量化训练或者离线量化后的模型体积为什么没有变小？

答：这是因为量化后保存的参数是虽然是int8范围，但是类型是float。这是由于fluid没有int8 kernel, 为了方便量化后验证量化精度，必须能让fluid能够加载。

2. 量化训练或者离线量化后的模型使用fluid加载为什么没有加速？怎样才能加速？

答：这是因为量化后保存的参数是虽然是int8范围，但是类型是float。fluid并不具备加速量化模型的能力。量化模型必须配合使用预测库才能加速。

• 如果量化模型在ARM上线，则需要使用Paddle-Lite.

  • Paddle-Lite会对量化模型进行模型转化和优化，转化方法见链接。

  • 转化之后可以像非量化模型一样使用Paddle-Lite API进行加载预测。

• 如果量化模型在GPU上线，则需要使用Paddle-TensorRT 预测接口.

  • 和非量化模型的区别在于以下参数设置：

config->EnableTensorRtEngine(1 << 20      /* workspace_size*/,  
                        batch_size        /* max_batch_size*/,  
                        3                 /* min_subgraph_size*/,
                        AnalysisConfig::Precision::kInt8 /* precision*/,
                        false             /* use_static*/,
                        false             /* use_calib_mode*/);

• 如果量化模型在x86上线，需要使用INT8 MKL-DNN

  • 首先对模型进行转化，可以参考脚本

  • 转化之后可使用预测部署API进行加载。比如c++ API

3. 该怎么设置适合的量化配置？

• 首先需要考虑量化模型上线的平台

  平台	支持weight量化方式	支持activation量化方式	支持量化的OP
  ARM(Paddle-Lite)	channel_wise_abs_max， abs_max	moving_average_abs_max，range_abs_max	conv2d, depthwise_conv2d, mul
  x86(MKL-DNN)	abs_max	moving_average_abs_max，range_abs_max	conv2d, depthwise_conv2d, mul, matmul
  GPU(TensorRT)	channel_wise_abs_max	moving_average_abs_max，range_abs_max	mul, conv2d, pool2d, depthwise_conv2d, elementwise_add, leaky_relu

• 部分层跳过量化

  如果量化后精度损失较大，可以考虑跳过部分对量化敏感的计算不量化，比如最后一层或者attention计算。

4. 离线量化出现'KeyError: '报错

答： 一般是reader没写对，导致离线量化是前向一次没跑，没有收集到中间的激活值。

5. 离线量化或者量化训练时出现CUDNN或者CUDA错误

答：因为离线量化或者量化训练并没有涉及到对cuda或者cudnn做修改， 因此这个错误一般是机器上的cuda或者cudnn版本和Paddle所需的cuda或者cudnn版本不一致。

6. 量化训练时loss是nan

答：需要适当调小学习率。如果小学习率依然不能解决问题，则需要考虑是否某些层对量化敏感，需要跳过量化，比如attention.

7. cpu上跑量化后的模型出nan

答：可查看使用的paddle版本是否包含pr， 该pr修复了在对几乎是0的tensor进行量化时的bug。