一、引言

在工具鏈用戶手冊(cè)《量化感知訓(xùn)練（QAT）-開發(fā)指南-QConfig 詳解》章節(jié)專門介紹了在 J6EM 上 qconfig 是怎么回事，從經(jīng)歷看，大家可能會(huì)存在看了依舊不懂，或懂了不知道怎么配置的情況，特別是一些 OE 包中示例沒有的配置，例如固定某節(jié)點(diǎn) scale、配置 linear weight int16 等操作。

qconfig 控制了模型所有節(jié)點(diǎn)的量化類型，例如是采用 int8 還是 int16 量化，是固定校準(zhǔn)階段的 scale 去 qat 還是不固定 scale 去 qat。

提供的模板可分為三類：基礎(chǔ)模板、敏感度模板、自定義模板。本文將常見配置通過示例方式進(jìn)行呈現(xiàn)。

二、基礎(chǔ)模板

基礎(chǔ)模板中 calibration / qat / qat_fixed_act_scale 區(qū)別在于使用的 observer 類型和 scale 更新邏輯，分別用于校準(zhǔn)，不固定 activation scaleqat 訓(xùn)練，固定 activation scale qat 訓(xùn)練。

default 模板 （ default_calibration_qconfig_setter / default_qat_qconfig_setter / default_qat_fixed_act_qconfig_setter ） 會(huì)做三件事：

首先，將可以設(shè)置的高精度輸出都設(shè)置上，對(duì)于不支持高精度的輸出將給出提示；

然后，從 grid sample 算子的 grid 輸入向前搜索，直到出現(xiàn)第一個(gè) gemm 類算子或者 QuantStub，將中間的所有算子都設(shè)置為 int16。根據(jù)經(jīng)驗(yàn)這里的 grid 一般表達(dá)范圍較寬，int8 有較大可能不滿足精度需求；

最后，將其余算子設(shè)置為 int8。

int16 模板 （ qat_8bit_weight_16bit_act_qconfig_setter / qat_8bit_weight_16bit_fixed_act_qconfig_setter / calibration_8bit_weight_16bit_act_qconfig_setter ） 會(huì)做兩件事：

首先，將可以設(shè)置的高精度輸出都設(shè)置上，對(duì)于不支持高精度的輸出將給出提示；

其次，將其余算子設(shè)置為 int16。

from horizon_plugin_pytorch.quantization.qconfig_template import (
    default_calibration_qconfig_setter,
    default_qat_qconfig_setter,
    default_qat_fixed_act_qconfig_setter,
    qat_8bit_weight_16bit_act_qconfig_setter,
    qat_8bit_weight_16bit_fixed_act_qconfig_setter,
    calibration_8bit_weight_16bit_act_qconfig_setter,
)
qat_or_calib_model = prepare(
    float_model,
    example_inputs=example_inputs,  # 用來感知圖結(jié)構(gòu)
    qconfig_setter=(

        default_qat_qconfig_setter,    # 根據(jù)需要配置setter模板
    ),
)

三、敏感度模板

敏感度模板有三個(gè)：

sensitive_op_calibration_8bit_weight_16bit_act_qconfig_setter
sensitive_op_qat_8bit_weight_16bit_act_qconfig_setter
sensitive_op_qat_8bit_weight_16bit_fixed_act_qconfig_setter

三者的區(qū)別和基礎(chǔ)模板中三者的區(qū)別類似，也是分別用于校準(zhǔn)，不固定 activation scale qat 訓(xùn)練，固定 activation scale qat 訓(xùn)練。

敏感度模板的第一個(gè)輸入是精度 debug 工具產(chǎn)生的敏感度結(jié)果，第二個(gè)參數(shù)可以指定 ratio 或 topk，敏感度模板會(huì)根據(jù)配置，將量化敏感度最高的 topk 個(gè)算子設(shè)置為 int16。搭配固定模板，可以實(shí)現(xiàn)混合精度調(diào)優(yōu)。

若模型有多個(gè)輸出，每個(gè)輸出都會(huì)產(chǎn)生一個(gè)敏感度表，您可以設(shè)置多個(gè)敏感度模版。示例如下：

from horizon_plugin_pytorch.quantization.qconfig_template import (
    default_calibration_qconfig_setter,
    sensitive_op_qat_8bit_weight_16bit_act_qconfig_setter,
    sensitive_op_qat_8bit_weight_16bit_fixed_act_qconfig_setter,
    sensitive_op_calibration_8bit_weight_16bit_act_qconfig_setter,
)

# 這兩個(gè)pt文件是通過debug工具得到的
table1 = torch.load("output_0-0_L1_sensitive_ops.pt")
table2 = torch.load("output_0-1_L1_sensitive_ops.pt")

calibration_model = prepare(
    float_model,
    example_inputs=example_input,
    qconfig_setter=(
        sensitive_op_calibration_8bit_weight_16bit_act_qconfig_setter(table1, ratio=0.2),
        sensitive_op_calibration_8bit_weight_16bit_act_qconfig_setter(table2, ratio=0.2),
        default_calibration_qconfig_setter,
    ),
)

四、自定義模板

自定義模板為 ModuleNameQconfigSetter，需要傳入模塊名和對(duì)應(yīng)自定義的 qconfig，一般用于設(shè)置 fixed scale、配置 linear weight int16 等特殊需求，可以和固定模板，敏感度模板搭配使用。示例如下：

from horizon_plugin_pytorch.quantization.qconfig_template import (
    calibration_8bit_weight_16bit_act_qconfig_setter,
    ModuleNameQconfigSetter,
)
from horizon_plugin_pytorch.quantization.qconfig import (
    get_qconfig,
    MSEObserver,
    MinMaxObserver,
    FixedScaleObserver,
    QConfig,
)
from horizon_plugin_pytorch.quantization.fake_quantize import FakeQuantize

# 手動(dòng)設(shè)置某個(gè)算子的輸出scale
op_name_output_fix_scale_qconfig = QConfig(
    output=FakeQuantize.with_args(
        observer=FixedScaleObserver,
        dtype=qint16,
        scale=0.0625,
    )
)

# 設(shè)置某個(gè)算子weight與輸出activation的量化類型
# 校準(zhǔn)時(shí)用MSEObserver，qat時(shí)用MinMaxObserver
# 沒有weight的算子，配置了weight_dtype也不會(huì)起作用
calib_weight_act_both_int16_qconfig = get_qconfig(
    observer=MSEObserver,
    weight_dtype=qint16,
    out_dtype=qint16,
)

calib_weight_act_both_int8_qconfig = get_qconfig(
    observer=MSEObserver,
    weight_dtype=qint8,
    out_dtype=qint8,
)

qat_weight_act_both_int16_qconfig = get_qconfig(
    observer=MinMaxObserver,
    weight_dtype=qint16,
    out_dtype=qint16,
    fix_scale=True,    # 是否固定scale
)

放在一塊簡(jiǎn)單示例如下：

from horizon_plugin_pytorch.quantization.qconfig_template import (
    default_qat_qconfig_setter,
    sensitive_op_qat_8bit_weight_16bit_fixed_act_qconfig_setter,
    ModuleNameQconfigSetter,
)

table = torch.load("output_0-0_dataindex_1_sensitive_ops.pt")

# 自動(dòng)替換生成的算子只能通過 ModuleNameQconfigSetter 配置自定義 qconfig。
module_name_to_qconfig = {
    "_generated_add_0": op_name_output_fix_scale_qconfig ,
}

qat_model = prepare(
    float_model,
    example_inputs=example_input,
    qconfig_setter=(
        ModuleNameQconfigSetter(module_name_to_qconfig),
        sensitive_op_qat_8bit_weight_16bit_fixed_act_qconfig_setter(table, ratio=0.2),
        default_qat_qconfig_setter,
    ),
)

五、可運(yùn)行的示例

將網(wǎng)絡(luò)中 linear2 的 weight 配置為 int16 量化、輸入配置為 int8 量化、輸出配置為 int16 量化，其他算子激活使用 int16 量化，weight 使用 int8 量化。

import torch
from horizon_plugin_pytorch import set_march, March
set_march(March.NASH_M)
from horizon_plugin_pytorch.quantization import prepare, set_fake_quantize, FakeQuantState
from horizon_plugin_pytorch.quantization import QuantStub
from horizon_plugin_pytorch.quantization.hbdk4 import export
from horizon_plugin_pytorch.quantization.qconfig_template import calibration_8bit_weight_16bit_act_qconfig_setter, ModuleNameQconfigSetter
from horizon_plugin_pytorch.quantization.qconfig import get_qconfig, MSEObserver, MinMaxObserver
from horizon_plugin_pytorch.dtype import qint8, qint16
from torch.quantization import DeQuantStub
import torch.nn as nn


# 定義網(wǎng)絡(luò)結(jié)構(gòu)
class SmallModel(nn.Module):
    def __init__(self):
        super(SmallModel, self).__init__()
        # 第一個(gè) Linear: 輸入 [2, 100, 256] -> 輸出 [2, 100, 256]
        self.linear1 = nn.Linear(256, 256)
        self.layernorm = nn.LayerNorm(256)  # 對(duì)最后一維進(jìn)行歸一化
        self.relu = nn.ReLU()
        # 第二個(gè) Linear: 輸入 [2, 100, 256] -> 輸出 [2, 100, 60]
        self.linear2 = nn.Linear(256, 60)
        # 第三個(gè) Linear: 輸入 [2, 100, 60] -> 輸出 [2, 100, 60]
        self.linear3 = nn.Linear(60, 60)
        self.quant = QuantStub()
        self.dequant = DeQuantStub()

    def forward(self, x):
        x = self.quant(x)
        # 第一個(gè) Linear
        x = self.linear1(x)  # [2, 100, 256]
        x = self.layernorm(x)  # [2, 100, 256]
        x = self.relu(x)  # [2, 100, 256]
        # 第二個(gè) Linear
        x = self.linear2(x)  # [2, 100, 60]
        # 第三個(gè) Linear
        x = self.linear3(x)
        x = self.dequant(x)
        return x

example_input = torch.randn(2, 100, 256)
model = SmallModel()

# 前向傳播
output = model(example_input)
print("輸出形狀:", output.shape)

# A global march indicating the target hardware version must be setted before prepare qat.
set_march(March.NASH_M)

calib_weight_act_both_int16_qconfig = get_qconfig(
    observer=MSEObserver,
    weight_dtype=qint16,
    out_dtype=qint16,
)

# layernorm沒有weight，配置了weight_dtype也不會(huì)起作用
calib_weight_act_both_int8_qconfig = get_qconfig(
    observer=MSEObserver,
    weight_dtype=qint8,
    out_dtype=qint8,
)

qat_weight_act_both_int16_qconfig = get_qconfig(
    observer=MinMaxObserver,
    weight_dtype=qint16,
    out_dtype=qint16,
    fix_scale=True,
)
# 節(jié)點(diǎn)名稱，可以從model_check_result.txt中獲取，也可以從敏感度文件中獲取
module_name_to_qconfig = {
    "layernorm": calib_weight_act_both_int8_qconfig,
    "linear2": calib_weight_act_both_int16_qconfig,   
}

calib_model = prepare(model.eval(), example_input,
                      qconfig_setter=(
                          ModuleNameQconfigSetter(module_name_to_qconfig),
                          calibration_8bit_weight_16bit_act_qconfig_setter,
                          ),
                      )

calib_model.eval()
set_fake_quantize(calib_model, FakeQuantState.CALIBRATION)
calib_model(example_input)

calib_model.eval()                            
set_fake_quantize(calib_model, FakeQuantState.VALIDATION)
calib_out = calib_model(example_input)

qat_bc = export(calib_model, example_input)

配置 add 單算子輸入和輸出均使用固定 scale

import torch
from horizon_plugin_pytorch import set_march, March
set_march(March.NASH_E)
from horizon_plugin_pytorch.quantization import prepare, set_fake_quantize, FakeQuantState
from horizon_plugin_pytorch.quantization import QuantStub
from horizon_plugin_pytorch.quantization.hbdk4 import export
from horizon_plugin_pytorch.quantization.qconfig_template import calibration_8bit_weight_16bit_act_qconfig_setter, ModuleNameQconfigSetter
from horizon_plugin_pytorch.quantization.qconfig import get_qconfig, MSEObserver, MinMaxObserver, FixedScaleObserver, QConfig
from horizon_plugin_pytorch.quantization.fake_quantize import FakeQuantize
from horizon_plugin_pytorch.dtype import qint8, qint16
from torch.quantization import DeQuantStub
import torch.nn as nn


class AddNet(nn.Module):
    def __init__(self):
        super(AddNet, self).__init__()
        self.quant_x = QuantStub()
        self.quant_y = QuantStub()
        self.dequant = DeQuantStub()

    def forward(self, x, y):
        x = self.quant_x(x)
        y = self.quant_y(y)
        z = torch.add(x, y)
        z = self.dequant(z)
        return z

# 創(chuàng)建模型
model = AddNet()

# 生成兩個(gè)相同形狀的輸入張量
torch.manual_seed(42)
x = torch.randn(1, 1, 2, 6)
y = torch.randn(1, 2, 2, 6)
example_input = (x,y)

# 前向傳播
output = model(example_input[0], example_input[1])
print("float輸出數(shù)據(jù):", output)
print("輸入形狀:", example_input[0].shape)
print("輸出形狀:", output.shape)

# A global march indicating the target hardware version must be setted before prepare qat.
set_march(March.NASH_E)

add_input_fix_scale_qconfig = QConfig(
    output=FakeQuantize.with_args(
        observer=FixedScaleObserver,
        dtype=qint16,
        scale=0.03125,
    )
)
add_output_fix_scale_qconfig = QConfig(
    output=FakeQuantize.with_args(
        observer=FixedScaleObserver,
        dtype=qint16,
        scale=0.0625,
    )
)

# 節(jié)點(diǎn)名稱，可以從model_check_result.txt中獲取，也可以從敏感度文件中獲取
module_name_to_qconfig = {
    "quant_x": add_input_fix_scale_qconfig,

    "quant_y": add_input_fix_scale_qconfig,

    "_generated_add_0": add_output_fix_scale_qconfig,
}

calib_model = prepare(model.eval(), example_input,
                      qconfig_setter=(
                          ModuleNameQconfigSetter(module_name_to_qconfig),
                          calibration_8bit_weight_16bit_act_qconfig_setter,
                          ),
                      )

calib_model.eval()
set_fake_quantize(calib_model, FakeQuantState.CALIBRATION)
calib_model(example_input[0], example_input[1])

calib_model.eval()                            
set_fake_quantize(calib_model, FakeQuantState.VALIDATION)
calib_out = calib_model(example_input[0], example_input[1])
print("calib輸出數(shù)據(jù):", calib_out)

qat_bc = export(calib_model, example_input)

六、凍結(jié)部分網(wǎng)絡(luò)結(jié)構(gòu) qat 的配置

補(bǔ)充常見凍結(jié)網(wǎng)絡(luò)結(jié)構(gòu)，去進(jìn)行 qat 的做法

from horizon_plugin_pytorch.quantization import (
    QuantStub,
    prepare,
    set_fake_quantize,
    FakeQuantState,
)
#prepare QAT模型
qat_model = prepare(
    model,
    example_inputs=xxx,
    qconfig_setter=(
        xxx,
    )
)
#加載calib權(quán)重
qat_model.load_state_dict(torch.load("calib-checkpoint.ckpt"))
#QAT訓(xùn)練
qat_model.train()
#固定backbone部分的權(quán)重，requires_grad不影響drop bn的行為，需要與eval聯(lián)合用
for param in qat_model.backbone.parameters():
    param.requires_grad = False
#固定backbone部分的scale，eval只影響drop bn的行為，如果發(fā)生了backward仍然會(huì)改變權(quán)重，需要與requires_grad聯(lián)合使用
qat_model.backbone.eval()
set_fake_quantize(qat_model.backbone, FakeQuantState.VALIDATION)
#配置head的FakeQuant為QAT狀態(tài)
set_fake_quantize(qat_model.head, FakeQuantState.QAT)