【mnn】——模型离线量化流程代码浅析

本文主要是介绍【mnn】——模型离线量化流程代码浅析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

mnn, 离线量化

1. 前言

mnn的离线量化，需要首先将其他模型转换成mnn的模型表达，再进行量化。

这里我们采用MAX_ABS进行weight权重量化，KL散度进行激活值的量化，int8对称量化。

2. Code

2.1 mnn模型读入与解析

std::unique_ptr<MNN::NetT> netT;{std::ifstream input(modelFile);std::ostringstream outputOs;outputOs << input.rdbuf();netT = MNN::UnPackNet(outputOs.str().c_str());}// temp build net for inferenceflatbuffers::FlatBufferBuilder builder(1024);auto offset = MNN::Net::Pack(builder, netT.get());builder.Finish(offset);int size      = builder.GetSize();auto ocontent = builder.GetBufferPointer();// model buffer for creating mnn Interpreterstd::unique_ptr<uint8_t> modelForInference(new uint8_t[size]);memcpy(modelForInference.get(), ocontent, size);std::unique_ptr<uint8_t> modelOriginal(new uint8_t[size]);memcpy(modelOriginal.get(), ocontent, size);netT.reset();netT = MNN::UnPackNet(modelOriginal.get());

2.2 创建Calibration数据dataloader
这个Calibration是整个量化的主流程，整体流程可以归纳为：

fake quant weight，对原有的模型进行假量化，就是将模型的权重用MAX_ABS量化到int8，再从int8反量化到float类型。这里是为了统计的激活值的范围更精确。
将假量化模型和浮点模型的tensor放入两个不同的map

2.3 离线量化
整体流程：

给假量化模型传入图片，更新每个tensor的最大值，最小值
计算所有tensor的分布，将激活值用2048个bin进行离散，统计其直方图
通过KL散度为每个tensor计算一个阈值threshold，并将阈值转换为浮点和int8之间转换的scale
将量化参数，tensor scale，int8 weight等量化参数写回模型。注意这里需要将浮点的weight clear掉。

for (const auto iter :  _scales) {std::unique_ptr<MNN::TensorDescribeT> describe(new MNN::TensorDescribeT);describe->index = _tensorIdx[iter.first];describe->quantInfo.reset(new MNN::TensorQuantInfoT);describe->quantInfo->scale = iter.second;describe->quantInfo->type = MNN::DataType_DT_INT8;describe->quantInfo->min = -1 * _featureClampValue;describe->quantInfo->max = 1 * _featureClampValue;_originalModel->extraTensorDescribe.emplace_back(std::move(describe));          // 1. extraTensorDescribe量化后添加的属性，在哪里使用？？}SymmetricQuantizeWeight(param->weight.data(), weightSize, quantizedWeight.data(), quantizedWeightScale.data(), outputChannel, _weightClampValue);param->quanParameter = IDSTEncoder::encode(param->weight, quantizedWeightScale, weightSize/channles, channles, false, quantizedWeight.data(), -_weightClampValue);          // 3. 
param->quanParameter->scaleIn = inputScale;
param->quanParameter->scaleOut = outputScale;
if (param->common->relu6) {param->common->relu  = true;param->common->relu6 = false;
}
param->weight.clear();          // 4. 清除原有的weight