TVM量化路線圖roadmap
INT8量化方案
本文介紹了量化過程的原理概述，提出了在TVM中實現量化過程的建議。
? 介紹量子化的背景知識
? INT8量化-后端代碼生成
? 這個線程只關注TVM中量化層的實現

量子開發
基于搜索的自動量化
提出了一種新的量化框架，將硬件和訓練方法結合起來。
借鑒已有的一些量化框架的思想，選擇采用注釋annotation，校準calibration，實現熱啊；realization三階段設計。
? Annotation注釋：
注釋過程pass根據每個算子的重寫函數，重寫圖形并插入模擬量化操作。
模擬量化操作，模擬從浮點量化到整數的舍入誤差和飽和誤差，
? Calibration校準：
校準過程pass，將調整模擬量化操作的閾值，以減少精度下降。
? Realization實現：
實現過程pass，將實際用float32計算的仿真圖，轉化為一個真正的低精度整數圖。

TVM支持的量化框架
TF量化相關
TVM支持所有預量化TFLite托管
? 在Intel VNNI支持的C5.12xlarge Cascade lake機器上，對性能進行了評估
? 尚未自動調化整模型

PYTORCH量子化相關

如何通過relay將模型轉換為量化模型？
如何為torch.quantization.get\u default\u qconfig（‘fbgemm’）設置qconfig
量化模型精度基準：PyTorch vs TVM
如何將量化pytorch模型轉換為tvm模型
比較resent18、resent5、mobilenet-v2、mobilenet-v3、inception\u v3和googlenet的準確度和速度。
在PYTORCH中包含靜態量化和eager模式：PYTORCH的量化turorial。

? gap量化
? PyTorch的GAP8導出和PyTorch量化module
? 包括squeezenet-v1.1的量化文件
MXNET RELATED
產品級神經網絡推理模型量化
? 以下CPU性能來自AWS EC2 C5.24xlarge實例，該實例具有定制的第二代Intel Xeon Scalable Processors (Cascade Lake)。
? 模型量化提供了比所有模型更穩定的加速比，例如ResNet 50 v1為3.66倍，ResNet 101 v1為3.82倍，SSD-VG16為3.77倍，這非常接近INT8的理論4倍加速比。

? Apache/MXNet量化solution精度，非常接近FP32模型，不需要保留模式。在圖8中，MXNet只確保了精度的小幅度降低，小于0.5%。

TENSOR CORE RELATED張量內核相關
? [RFC][Tensor Core] Optimization of CNNs on Tensor Core基于Tensor Core的CNNs優化
? [Perf] Enhance cudnn and cublas backend and enable TensorCore增強cudnn和cublas后端并啟用TensorCore
RELATED COMMIT相關提交
? [OPT] Low-bit Quantization #2116低bit位量化
? Benchmarking Quantization on Intel CPU英特爾CPU上的基準量化
? [RFC][Quantization] Support quantized models from TensorflowLite#2351支持TensorflowLite的量化模型
? After initial investigation and effort, in the Mobilenet V1 model, INT8 can get speed up about 30% when compared with FP32 on ARM CPU. 經過初步調查和努力，在Mobilenet V1模型中，INT8與ARM CPU上的FP32相比，可以獲得大約30%的速度。
? [TFLite] Support TFLite FP32 Relay frontend. #2365支持TFLite FP32 relay前端
? This is the first PR of #2351 to support importing exist quantized int8 TFLite model. The base version of Tensorflow / TFLite is 1.12. 這是#2351的第一個支持導入exist量化int8 TFLite模型的PR。Tensorflow/TFLite的基礎版本是1.12
? [Strategy] Support for Int8 schedules - CUDA/x86 #5031
? Recently introduce op strategy currently has some issues with task extraction with AutoTVM. This PR fixes them for x86/CUDA. 最近引入的op策略目前在使用AutoTVM extraction任務方面存在一些問題。這個PR為x86/CUDA修復了。
? [Torch, QNN] Add support for quantized models via QNN #4977增加對量化模型的支持

? [QNN][Legalize] Specialize for Platforms w/o fast Int8 support #4307
? QNN - Conv2D/Dense Legalize for platforms with no fast Int8 units
SPEED UP
COMPARISON
AUTOMATIC INTEGER QUANTIZATION
? The inference time is longer after int8 quantization
? TVM-relay.quantize vs quantization of other Framework
? TVM FP32、TVM int8、TVM int8 quantization + AutoTVM，MXNet

Quantization int8 slower than int16 on skylake CPU
? The int8 is always slower than int16 before and after the auto-tuning
? Target: llvm -mcpu=skylake-avx512
? Problem is solved by creating the int8 task explicitly
? create the task topi_x86_conv2d_NCHWc_int8
? set output dtype to int32, input dtype=uint8, weight dtype=int8

TVM學習筆記–模型量化(int8)及其測試數據
? TVM FP32、TVM int8、TVM int8 quantization , MXNet, TF1.13
? 含測試代碼

8bit@Cuda: AutoTVMvs TensorRT vs MXNet
? In this post, we show how to use TVM to automatically optimize of quantized deep learning models on CUDA.

ACCEPTING PRE-QUANTIZED INTEGER MODELS
? Is there any speed comparison of quantization on cpu
? discuss a lot about speed comparison among torch-fp32, torch-int8, tvm-fp32, tvm-int16, tvm-int8

SPEED PROFILE TOOLS
? How to profile speed in each layer with RPC?
? the debug runtime will give you some profiling information from the embedded device, e.g.:
Node Name Ops Time(us) Time(%) Start Time End Time Shape Inputs Outputs

---

1_NCHW1c fuse___layout_transform___4 56.52 0.02 15:24:44.177475 15:24:44.177534 (1, 1, 224, 224) 1 1
contrib_conv2d_nchwc0 fuse__contrib_conv2d_NCHWc 12436.11 3.4 15:24:44.177549 15:24:44.189993 (1, 1, 224, 224, 1) 2 1
relu0_NCHW8c fuse___layout_transform___broadcast_add_relu___layout_transform_ 4375.43 1.2 15:24:44.190027 15:24:44.194410 (8, 1, 5, 5, 1, 8) 2 1
contrib_conv2d_nchwc1 fuse__contrib_conv2d_NCHWc_1 213108.6 58.28 15:24:44.194440 15:24:44.407558 (1, 8, 224, 224, 8) 2 1
relu1_NCHW8c fuse___layout_transform___broadcast_add_relu___layout_transform_ 2265.57 0.62 15:24:44.407600 15:24:44.409874 (64, 1, 1) 2 1
_contrib_conv2d_nchwc2 fuse__contrib_conv2d_NCHWc_2 104623.15 28.61 15:24:44.409905 15:24:44.514535 (1, 8, 224, 224, 8) 2 1
relu2_NCHW2c fuse___layout_transform___broadcast_add_relu___layout_transform___1 2004.77 0.55 15:24:44.514567 15:24:44.516582 (8, 8, 3, 3, 8, 8) 2 1
_contrib_conv2d_nchwc3 fuse__contrib_conv2d_NCHWc_3 25218.4 6.9 15:24:44.516628 15:24:44.541856 (1, 8, 224, 224, 8) 2 1
reshape1 fuse___layout_transform___broadcast_add_reshape_transpose_reshape 1554.25 0.43 15:24:44.541893 15:24:44.543452 (64, 1, 1) 2 1

參考鏈接：
https://www.freesion.com/article/3155559638/

總結

以上是生活随笔為你收集整理的TVM量化路线图roadmap的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。