了解tf.contrib.lite.TFLiteConverter量化参数

Question

我试图在将张量流模型转换为tflite模型时使用UINT8量化：

如果使用use post_training_quantize = True，则模型大小比原始fp32模型小4倍，因此我假定模型权重为uint8，但是当我加载模型并通过interpreter_aligner.get_input_details()[0]['dtype']float32获取输入类型时。量化模型的输出与原始模型大致相同。

converter = tf.contrib.lite.TFLiteConverter.from_frozen_graph(
        graph_def_file='tflite-models/tf_model.pb',
        input_arrays=input_node_names,
        output_arrays=output_node_names)
converter.post_training_quantize = True
tflite_model = converter.convert()

转换模型的输入/输出：

print(interpreter_aligner.get_input_details())
print(interpreter_aligner.get_output_details())
[{'name': 'input_1_1', 'index': 47, 'shape': array([  1, 128, 128,   3], dtype=int32), 'dtype': <class 'numpy.float32'>, 'quantization': (0.0, 0)}]
[{'name': 'global_average_pooling2d_1_1/Mean', 'index': 45, 'shape': array([  1, 156], dtype=int32), 'dtype': <class 'numpy.float32'>, 'quantization': (0.0, 0)}]

另一个选择是显式指定更多参数：模型大小比原始fp32模型小x4，模型输入类型为uint8，但模型输出更像垃圾。

converter = tf.contrib.lite.TFLiteConverter.from_frozen_graph(
        graph_def_file='tflite-models/tf_model.pb',
        input_arrays=input_node_names,
        output_arrays=output_node_names)
converter.post_training_quantize = True
converter.inference_type = tf.contrib.lite.constants.QUANTIZED_UINT8
converter.quantized_input_stats = {input_node_names[0]: (0.0, 255.0)}  # (mean, stddev)
converter.default_ranges_stats = (-100, +100)
tflite_model = converter.convert()

转换模型的输入/输出：

[{'name': 'input_1_1', 'index': 47, 'shape': array([  1, 128, 128,   3], dtype=int32), 'dtype': <class 'numpy.uint8'>, 'quantization': (0.003921568859368563, 0)}]
[{'name': 'global_average_pooling2d_1_1/Mean', 'index': 45, 'shape': array([  1, 156], dtype=int32), 'dtype': <class 'numpy.uint8'>, 'quantization': (0.7843137383460999, 128)}]

所以我的问题是：

1. 仅post_training_quantize = True设置时会发生什么？即为什么第一种情况可以正常工作，而第二种情况却没有。
2. 如何估计第二种情况的均值，标准差和范围参数？
3. 看起来在第二种情况下模型推断更快，这取决于模型输入是uint8的事实吗？
4. 什么手段'quantization': (0.0, 0)在第一种情况下和'quantization': (0.003921568859368563, 0)，'quantization': (0.7843137383460999, 128)在第二种情况？
5. 什么converter.default_ranges_stats啊

更新：

找到问题4的答案，在解释器.get_input_details（）中“量化”是什么意思？

Answer 1

仅设置post_training_quantize = True时会发生什么情况？即为什么第一种情况可以正常工作，而第二种情况却没有。

在TF 1.14中，这似乎只是量化存储在磁盘上.tflite文件中的权重。本身并不能将推理模式设置为量化推理。

即，您可以拥有一个tflite模型，float32该模型具有推断类型，但是post_training_quantize=True为了减小磁盘大小和在运行时更快地加载模型，对模型权重进行了量化（使用）。

如何估计第二种情况的均值，标准差和范围参数？

该文档使许多人困惑。让我解释一下研究后得出的结论：

1. 不幸的是，在TF库和文档中，量化参数/统计具有3种 等效 形式/表示：
   • 一种） (mean, std_dev)
   • B） (zero_point, scale)
   • C） (min,max)
2. 从B）和A）转换：
   • std_dev = 1.0 / scale
   • mean = zero_point
3. 从C）转换为A）：
   • mean = 255.0*min / (min - max)
   • std_dev = 255.0 / (max - min)
   • 说明：量化统计信息是用于将范围（0,255）映射到任意范围的参数，您可以从2个等式开始：min / std_dev + mean = 0和max / std_dev + mean = 255，然后按照数学公式来获得上述转换公式
4. 从A）转换为C）：
   • min = - mean * std_dev
   • max = (255 - mean) * std_dev
5. 命名“ mean”和“ std_dev”令人困惑，并且在很大程度上被认为是错误的名词。

要回答您的问题：，如果您的输入图像具有：

• 范围（0,255）然后 mean = 0, std_dev = 1
• 范围（-1,1）然后 mean = 127.5, std_dev = 127.5
• 范围（0,1）然后 mean = 0, std_dev = 255

看起来在第二种情况下模型推断更快，这取决于模型输入是uint8的事实吗？

是的，可能。但是，除非您使用特定硬件的矢量化指令，否则量化模型通常会比较慢。TFLite经过优化，可以为ARM处理器运行那些专用指令。从TF
1.14或1.15开始，如果您是在本地计算机x86
Intel或AMD上运行它，那么如果量化模型运行得更快，我会感到惊讶。[更新：在TFLite的路线图上添加对x86矢量指令的一流支持，以使量化推理比浮点运算更快]

在第一种情况下意味着’量化’：（0.0，0）在第二种情况下意味着’量化’：（0.003921568859368563，0），’量化’：（0.7843137383460999，128）？

这里的格式是 quantization: (scale, zero_point)

在第一种情况下，您仅激活了post_training_quantize=True，这不会使模型运行量化推理，因此无需将输入或输出从float转换为uint8。因此，这里的量化统计本质null上是，表示为(0,0)。

在第二种情况下，您通过提供激活了量化推理inference_type = tf.contrib.lite.constants.QUANTIZED_UINT8。因此，您同时具有输入和输出的量化参数，在将模型输入时将浮点输入转换为uint8以及在输出时将uint8输出转换为浮点输出都需要这些参数。

• 在输入时，进行转换： uint8_array = (float_array / std_dev) + mean
• 在输出时，执行以下转换： float_array = (uint8_array.astype(np.float32) - mean) * std_dev
• 注意.astype（float32）在python中这是获得正确计算所必需的
• 请注意，可能会使用其他文本scale代替，std_dev因此除法将变为乘法，反之亦然。

另一个令人困惑的事情是，即使您在转换过程中指定quantization_stats = (mean, std_dev)，get_output_detailswill也会返回quantization: (scale, zero_point)，不仅形式不同（scale vs std_dev），而且顺序也不同！

现在，要了解输入和输出获得的这些量化参数值，让我们使用上面的公式来推导(min,max)输入和输出的实数值（）的范围。使用以上公式，我们得到：

• 输入范围：（min = 0, max=1是您通过提供来指定的quantized_input_stats = {input_node_names[0]: (0.0, 255.0)} # (mean, stddev)）
• 输出范围： min = -100.39, max=99.6