模型量化

1、模型量化优点

• 低精度模型表示模型权重数值格式为FP16（半精度浮点）或者INT8（8位定点整数），但是目前低精度往往就指代INT8。
• 常规精度模型则一般表示模型权重数值格式为FP32（32位浮点，单精度）。
• 混合精度则在模型中同时使用FP32和FP16的权重数值格式。FP16减少了一半的内存大小，但有些参数或操作符必须采用FP32格式才能保持准确度。

2、模型量化方案

• data free：不适用校准集，直接将浮点数转化成量化数。高通的DFQ不使用校准集也得到了很高的精度。
• calibration：基于校准集方案，通过输入少量真实数据进行统计分析。
• finetune：基于训练微调的方案，将量化误差在训练时仿真建模，调整权重使其更适合量化。好处是能带来更大的精度提升，缺点是要修改模型训练代码，开发周期较长。

FP32转Int8量化参考这篇博客：
Int8量化介绍

3、PTQ
训练后量化（Post Training Quantizationi），也叫做离线量化，根据量化零点$x_{zero\_point}$是否为0，训练后量化分为对称量化和非对称量化；根据数据通道顺序NHWC这一维度区分，训练后量化分为逐层量化和逐通道量化。目前TensorRT使用逐层量化的方法，每一层采用同一个阈值进行量化。逐通道量化对每一层每个通道都有各自的阈值，对精度可以有一个很好的提升。

4、QAT
在线量化，即在模型训练时加入伪量化节点，用于模拟模型量化时引起的误差。伪量化节点就是模仿quantization-dequantization的过程。

论文中一般在activation后和conv weight之前加入伪量化节点。

4、量化的分类

• 二值化
• 线性量化：采用均匀分布的聚类中心，原始浮点数据和量化后的定点数据存在一个简单的线性变换关系，因为卷积、全连接等网络层本身只是简单的线性计算，因此线性量化中可以直接用量化后的数据直接计算。
• 对数量化：一种比较特殊的量化方法。两个同底的幂指数进行相乘，那么等价于其指数相加，降低了计算强度。同时加法也被转变为索引计算。

5、对称量化和非对称量化
根据偏移量Z是否为0，可以将浮点数的线性量化分为两类：对称量化和非对称量化。

对称量化的浮点值和 8 位定点值的映射关系如下图，从图中可以看出，对称量化就是将一个tensor中的[-max(|x|), max(|x|)]内的FP32值分别映射到8bit数据的[-128, 127]的范围内，中间值按照线性关系进行映射，称这种映射关系是对称量化。可以看出，对称量化的浮点值和量化值范围都是相对于0对称。

非对称量化就是偏移量不为0，此时INT8的值域为[0, 255]。

权重量化浮点值可以分为两个步骤：
1、通过在权重张量中找到min和max值从而确定$x_{scale}$和$x_{zer{o}_{p}oint}$。
2、将权重张量的每个值从FP32转换为INT8。

6、量化方法的改进