ภายหลังการฝึกอบรม float16 quantization

จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

ดูบน TensorFlow.org ทำงานใน Google Colab ดูแหล่งที่มาบน GitHub ดาวน์โหลดโน๊ตบุ๊ค

ภาพรวม

TensorFlow Lite ขณะนี้สนับสนุนการแปลงน้ำหนักถึง 16 บิตค่า floating point ในระหว่างการแปลงรูปแบบจาก TensorFlow เป็นรูปแบบบัฟเฟอร์แบน TensorFlow Lite ของ ส่งผลให้ขนาดโมเดลลดลง 2 เท่า ฮาร์ดแวร์บางตัว เช่น GPU สามารถคำนวณโดยกำเนิดในเลขคณิตที่มีความแม่นยำที่ลดลงนี้ ทำให้สามารถเร่งความเร็วเหนือการประมวลผลจุดลอยตัวแบบเดิมได้ ตัวแทน Tensorflow Lite GPU สามารถกำหนดค่าให้ทำงานในลักษณะนี้ได้ อย่างไรก็ตาม โมเดลที่แปลงเป็นตุ้มน้ำหนัก float16 ยังคงสามารถทำงานบน CPU ได้โดยไม่ต้องมีการดัดแปลงเพิ่มเติม: ตุ้มน้ำหนัก float16 จะถูกสุ่มตัวอย่างเป็น float32 ก่อนการอนุมานครั้งแรก สิ่งนี้ทำให้สามารถลดขนาดโมเดลลงได้อย่างมากเพื่อแลกกับผลกระทบที่น้อยที่สุดต่อเวลาแฝงและความแม่นยำ

ในบทช่วยสอนนี้ คุณจะฝึกโมเดล MNIST ตั้งแต่เริ่มต้น ตรวจสอบความแม่นยำใน TensorFlow แล้วแปลงโมเดลเป็นบัฟเฟอร์แบบแบน Tensorflow Lite ด้วยการวัดปริมาณ float16 สุดท้าย ตรวจสอบความถูกต้องของแบบจำลองที่แปลงแล้วเปรียบเทียบกับรุ่น float32 ดั้งเดิม

สร้างแบบจำลอง MNIST

ติดตั้ง

import logging
logging.getLogger("tensorflow").setLevel(logging.DEBUG)

import tensorflow as tf
from tensorflow import keras
import numpy as np
import pathlib

ฝึกและส่งออกโมเดล

# Load MNIST dataset
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

# Normalize the input image so that each pixel value is between 0 to 1.
train_images = train_images / 255.0
test_images = test_images / 255.0

# Define the model architecture
model = keras.Sequential([
  keras.layers.InputLayer(input_shape=(28, 28)),
  keras.layers.Reshape(target_shape=(28, 28, 1)),
  keras.layers.Conv2D(filters=12, kernel_size=(3, 3), activation=tf.nn.relu),
  keras.layers.MaxPooling2D(pool_size=(2, 2)),
  keras.layers.Flatten(),
  keras.layers.Dense(10)
])

# Train the digit classification model
model.compile(optimizer='adam',
              loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])
model.fit(
  train_images,
  train_labels,
  epochs=1,
  validation_data=(test_images, test_labels)
)
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
11493376/11490434 [==============================] - 0s 0us/step
11501568/11490434 [==============================] - 0s 0us/step
1875/1875 [==============================] - 13s 2ms/step - loss: 0.2655 - accuracy: 0.9244 - val_loss: 0.1237 - val_accuracy: 0.9654
<keras.callbacks.History at 0x7f3f8428e6d0>

ตัวอย่างเช่น คุณฝึกโมเดลสำหรับยุคเดียว ดังนั้นมันจึงฝึกให้มีความแม่นยำเพียง ~96%

แปลงเป็นรุ่น TensorFlow Lite

ใช้งูหลาม TFLiteConverter ตอนนี้คุณสามารถแปลงรูปแบบการฝึกอบรมในรูปแบบ TensorFlow Lite

ตอนนี้โหลดรูปแบบโดยใช้ TFLiteConverter :

converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
2021-12-14 12:18:07.073783: W tensorflow/python/util/util.cc:368] Sets are not currently considered sequences, but this may change in the future, so consider avoiding using them.
INFO:tensorflow:Assets written to: /tmp/tmpm1s3vkrd/assets
2021-12-14 12:18:07.876066: W tensorflow/compiler/mlir/lite/python/tf_tfl_flatbuffer_helpers.cc:363] Ignored output_format.
2021-12-14 12:18:07.876112: W tensorflow/compiler/mlir/lite/python/tf_tfl_flatbuffer_helpers.cc:366] Ignored drop_control_dependency.
WARNING:absl:Buffer deduplication procedure will be skipped when flatbuffer library is not properly loaded

เขียนมันออกไป .tflite ไฟล์:

tflite_models_dir = pathlib.Path("/tmp/mnist_tflite_models/")
tflite_models_dir.mkdir(exist_ok=True, parents=True)
tflite_model_file = tflite_models_dir/"mnist_model.tflite"
tflite_model_file.write_bytes(tflite_model)
84540

แทนที่จะ quantize แบบจำลองเพื่อการส่งออก float16 แรกตั้งค่า optimizations ธงกับการใช้เพิ่มประสิทธิภาพการเริ่มต้น จากนั้นระบุว่า float16 เป็นประเภทที่รองรับบนแพลตฟอร์มเป้าหมาย:

converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.target_spec.supported_types = [tf.float16]

สุดท้ายแปลงโมเดลเหมือนปกติ หมายเหตุ โดยค่าเริ่มต้น โมเดลที่แปลงแล้วจะยังคงใช้อินพุตและเอาต์พุตแบบ float เพื่อความสะดวกในการเรียกใช้

tflite_fp16_model = converter.convert()
tflite_model_fp16_file = tflite_models_dir/"mnist_model_quant_f16.tflite"
tflite_model_fp16_file.write_bytes(tflite_fp16_model)
INFO:tensorflow:Assets written to: /tmp/tmpvjt9l68i/assets
INFO:tensorflow:Assets written to: /tmp/tmpvjt9l68i/assets
2021-12-14 12:18:08.810262: W tensorflow/compiler/mlir/lite/python/tf_tfl_flatbuffer_helpers.cc:363] Ignored output_format.
2021-12-14 12:18:08.810303: W tensorflow/compiler/mlir/lite/python/tf_tfl_flatbuffer_helpers.cc:366] Ignored drop_control_dependency.
WARNING:absl:Buffer deduplication procedure will be skipped when flatbuffer library is not properly loaded
44384

หมายเหตุวิธีแฟ้มผลจะอยู่ที่ประมาณ 1/2 ขนาด

ls -lh {tflite_models_dir}
total 128K
-rw-rw-r-- 1 kbuilder kbuilder 83K Dec 14 12:18 mnist_model.tflite
-rw-rw-r-- 1 kbuilder kbuilder 44K Dec 14 12:18 mnist_model_quant_f16.tflite

เรียกใช้รุ่น TensorFlow Lite

เรียกใช้โมเดล TensorFlow Lite โดยใช้ Python TensorFlow Lite Interpreter

โหลดโมเดลลงในล่าม

interpreter = tf.lite.Interpreter(model_path=str(tflite_model_file))
interpreter.allocate_tensors()
interpreter_fp16 = tf.lite.Interpreter(model_path=str(tflite_model_fp16_file))
interpreter_fp16.allocate_tensors()

ทดสอบโมเดลในภาพเดียว

test_image = np.expand_dims(test_images[0], axis=0).astype(np.float32)

input_index = interpreter.get_input_details()[0]["index"]
output_index = interpreter.get_output_details()[0]["index"]

interpreter.set_tensor(input_index, test_image)
interpreter.invoke()
predictions = interpreter.get_tensor(output_index)
import matplotlib.pylab as plt

plt.imshow(test_images[0])
template = "True:{true}, predicted:{predict}"
_ = plt.title(template.format(true= str(test_labels[0]),
                              predict=str(np.argmax(predictions[0]))))
plt.grid(False)

png

test_image = np.expand_dims(test_images[0], axis=0).astype(np.float32)

input_index = interpreter_fp16.get_input_details()[0]["index"]
output_index = interpreter_fp16.get_output_details()[0]["index"]

interpreter_fp16.set_tensor(input_index, test_image)
interpreter_fp16.invoke()
predictions = interpreter_fp16.get_tensor(output_index)
plt.imshow(test_images[0])
template = "True:{true}, predicted:{predict}"
_ = plt.title(template.format(true= str(test_labels[0]),
                              predict=str(np.argmax(predictions[0]))))
plt.grid(False)

png

ประเมินรุ่น

# A helper function to evaluate the TF Lite model using "test" dataset.
def evaluate_model(interpreter):
  input_index = interpreter.get_input_details()[0]["index"]
  output_index = interpreter.get_output_details()[0]["index"]

  # Run predictions on every image in the "test" dataset.
  prediction_digits = []
  for test_image in test_images:
    # Pre-processing: add batch dimension and convert to float32 to match with
    # the model's input data format.
    test_image = np.expand_dims(test_image, axis=0).astype(np.float32)
    interpreter.set_tensor(input_index, test_image)

    # Run inference.
    interpreter.invoke()

    # Post-processing: remove batch dimension and find the digit with highest
    # probability.
    output = interpreter.tensor(output_index)
    digit = np.argmax(output()[0])
    prediction_digits.append(digit)

  # Compare prediction results with ground truth labels to calculate accuracy.
  accurate_count = 0
  for index in range(len(prediction_digits)):
    if prediction_digits[index] == test_labels[index]:
      accurate_count += 1
  accuracy = accurate_count * 1.0 / len(prediction_digits)

  return accuracy
print(evaluate_model(interpreter))
0.9654

ทำซ้ำการประเมินในแบบจำลองเชิงปริมาณ float16 เพื่อรับ:

# NOTE: Colab runs on server CPUs. At the time of writing this, TensorFlow Lite
# doesn't have super optimized server CPU kernels. For this reason this may be
# slower than the above float interpreter. But for mobile CPUs, considerable
# speedup can be observed.
print(evaluate_model(interpreter_fp16))
0.9654

ในตัวอย่างนี้ คุณได้วัดปริมาณแบบจำลองเป็น float16 โดยไม่มีความแตกต่างในความแม่นยำ

นอกจากนี้ยังสามารถประเมินโมเดลเชิงปริมาณ fp16 บน GPU ได้อีกด้วย ในการดำเนินการทางคณิตศาสตร์ทั้งหมดที่มีค่าความแม่นยำลดลงให้แน่ใจว่าได้สร้าง TfLiteGPUDelegateOptions struct ใน app และการตั้งค่าของคุณ precision_loss_allowed ไป 1 เช่นนี้

//Prepare GPU delegate.
const TfLiteGpuDelegateOptions options = {
  .metadata = NULL,
  .compile_options = {
    .precision_loss_allowed = 1,  // FP16
    .preferred_gl_object_type = TFLITE_GL_OBJECT_TYPE_FASTEST,
    .dynamic_batch_enabled = 0,   // Not fully functional yet
  },
};

เอกสารรายละเอียดเกี่ยวกับผู้แทน TFLite GPU และวิธีการใช้งานในการประยุกต์ใช้ของคุณสามารถพบได้ ที่นี่