作者&編輯 | 言有三

1 剪枝

剪枝是一項古老的技術，從上個世紀傳承至今，在學術界和工業界相關的研究工作都是很活躍的。剪枝根據不同的粒度有很多種，小到一個卷積引數，大到一個網路層。

下面是Google關於剪枝的一個典型研究。

本文探討了具有同樣大小的稀疏大模型和稠密小模型的效能對比，在影像和語音任務上表明稀疏大模型普遍有更好的效能。

模型剪枝是一項重要的模型壓縮技術，它給網路引數帶來了稀疏性，在開源框架中可以通過和權重矩陣大小相等的掩膜來實現。

那麼，剪枝到底對效能會有什麼影響呢？首先看Inception V3模型的實驗，在稀疏性分別為0%，50%，75%，87.5%時的結果，此時模型中非零引數分別是原始模型的1，0.5，0.25，0.128倍，即實現了1，2，4，8倍的壓縮。

可以看到，在稀疏性為50%，效能幾乎不變。稀疏性為87.5%時，指標下降為2%。

上表展示了MobileNet的實驗結果，分別比較更窄的MobileNet和更加稀疏的MobileNet的結果，可以發現稀疏的MobileNet效能明顯優於稠密的MobileNet。

75%的Sparse Model比0.5倍寬的Dense Model在top-

1指標上超出了4%，而且模型更小。90%的Sparse Model比0.25倍寬的Dense Model在top-1指標上超出了10%，模型大小相當。

從這裡可以看出剪枝真的是一個非常有前途的課題，值得研究。

[1] Zhu M, Gupta S. To prune, or not to prune: exploring the efficacy of pruning for model compression[J]. arXiv preprint arXiv:1710.01878, 2017.

其他相關的內容如果感興趣可以移步有三AI知識星球。

2 量化

量化是深度學習模型在各大硬體平臺落地的重要基礎技術，從全精度到8bit及以下的相關研究和實踐都非常多。早期的研究關注在訓練後模型的權重量化，而現在更多的研究已經集中在訓練過程中同時完成量化，並且並不僅僅限制在模型的權重，而是從權重到啟用，甚至是誤差和梯度，並且開始關注混合精度量化，下面是一個典型的研究。

HAQ(Hardware-Aware Automated Quantization with Mixed Precision)是一個自動化的混合精度量化框架，使用增強學習讓每一層都學習到了適合該層的量化位寬。

不同的網路層有不同的冗餘性，因此對於精度的要求也不同，當前已經有許多的晶片開始支援混合精度。通常來說，淺層特徵提取需要更高的精度，卷積層比全連線層需要更高的精度。如果手動的去搜尋每一層的位寬肯定是不現實的，因此需要採用自動搜尋策略。

另一方面，一般大家使用FLOPS，模型大小等指標來評估模型壓縮的好壞，然後不同的平臺表現出來的差異可能很大，因此本文使用了新的指標，即晶片的延遲和功耗。

搜尋的學習過程是代理Agent接收到層配置和統計資訊作為觀察，然後輸出動作行為即權值和啟用的位寬。其中一些概念如下：

(1) 觀測值-狀態空間，一個10維變數，如下：

(2) 動作空間，使用了連續函式來決定位寬，離散的位寬如下：

(3) 反饋，利用硬體加速器來獲取延遲和能量作為反饋訊號，以指導Agent滿足資源約束。

(4) 量化，直接使用線性量化方法，其中s是縮放因子，clamp是截斷函式。

c的選擇是計算原始分佈和量化後分布的KL散度，這也是很多框架中的做法。

(5) 獎勵函式，在所有層被量化過後，再進行1個epoch的微調，並將重訓練後的驗證精度作為獎勵訊號。

(6)代理，使用了深度確定性策略梯度（DDPG）方法。

下面我們看實驗結果，這是延遲約束量化下的結果。

上圖是MobileNet-V1/V2模型在邊緣端和雲端裝置上的實驗結果，與固定的8bit量化方法相比，分別取得了1.4倍到1.95倍的加速。

上圖分別是邊緣端和雲端裝置上MobileNet-V1各個網路層的量化特點，可以發現在邊緣端裝置上depthwise卷積有更少的bits，pointwise有更多，在雲端則是完全相反。這是因為雲裝置具有更大的記憶體頻寬和更高的並行性，而depthwise就是記憶體受限的操作，pointwise則是計算受限的操作，MobileNet-V2上能觀察到同樣的特點。

另外還有能量約束和模型大小約束的結果，讀者可以讀原始論文獲取細節。

[1] Wang K, Liu Z, Lin Y, et al. HAQ: Hardware-Aware Automated Quantization with Mixed Precision[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019: 8612-8620.

更多相關內容感興趣請移步有三AI知識星球。

3 蒸餾學習

人類學習都需要一個經驗更加豐富的老師引導，這一思想也可以更自然地遷移到深度學習模型的訓練上，即知識蒸餾(Knowledge Distilling)技術，由此引發了很多的相關研究，大佬雲集。下面是Hinton研究組最早期的經典方法。

知識蒸餾(Knowledge Distilling)是一項重要的模型壓縮技術，它將Teacher模型的知識遷移到了Student模型上，有著很廣泛的應用。

知識蒸餾法包含了一個大模型，也被稱為teacher模型，一個小模型，也被稱為student模型，teacher模型和student模型的訓練是同時進行的。

Hinton最早在文章“Distilling the knowledge in a neural network”中提出了這個概念，核心思想是一旦複雜網路模型訓練完成，便可以用另一種訓練方法從複雜模型中提取出來更小的模型。

“蒸餾”的難點在於如何縮減網路結構但保留有效資訊，文中以softmax分類為例子，T就是一個常量引數：

當T=1時，這就是softmax的定義，當T>1，稱之為soft softmax，T越大，因為Zk產生的概率差異就會越小。

文中提出這個方法用於生成軟標籤，然後將軟標籤和硬標籤同時用於新網路的學習。當訓練好一個模型之後，模型為所有的誤標籤都分配了很小的概率。然而實際上對於不同的錯誤標籤，其被分配的概率仍然可能存在數個量級的懸殊差距。這個差距，在softmax中直接就被忽略了，但這其實是一部分有用的資訊。文章的做法是先利用softmax loss訓練獲得一個大模型，然後基於大模型的softmax輸出結果獲取每一類的概率，將這個概率，作為小模型訓練時的標籤，網路結構如上圖。真實的損失函式包含了硬標籤(hard label)和軟標籤(soft label)兩部分。

MNIST和JAT資料集上的結果都驗證了該方法的有消性，如下圖：

[1] Hinton G, Vinyals O, Dean J. Distilling the knowledge in a neural network[J]. arXiv preprint arXiv:1503.02531, 2015.

https://www.toutiao.com/i6740454129195287048/

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/29829936/viewspace-2658424/，如需轉載，請註明出處，否則將追究法律責任。