文章转载于微信公众号:GiantPandaCV
作者:BBuf

1. 前言

这篇文章首先详细介绍了DoreFaNet任意比特量化网络的原理，然后提供了DoreFaNet的Pytorch代码实现解析，并给出将DoreFa-Net应用到YOLOV3模型上之后的精度测试结果。论文原文：https://arxiv.org/pdf/1606.06160.pdf 。

2. DoreFa-Net

和前面我们讲过的BNN和TWN相比，DoreFa-Net并没有针对卷积层输出的每一个卷积核计算比例因子，而是直接对卷积层的整体输出计算一个比例因子，这样就可以简化反向传播时候的运算，因为在DoreFa-Net中反向传播也要量化。
首先我们介绍一下DoreFa-Net中的比特卷积核，然后详细说明如何使用低比特的方法量化权值，激活值以及梯度。

2.1 比特卷积核

我们知道，BNN中的点积可以用下面的公式表示：

在这里插入图片描述
上面的式子同样也可以用在计算低位宽定点整数之间的乘加运算。假设是一个位定点整数序列集合，，是一个位定点整数序列集合，，这里的和都是位向量，和的点积可以由位运算来计算：

在这里插入图片描述
在上面的等式中，计算复杂度为，和位宽成正比。

2.2 直通估计器

然后为了规避0梯度的问题，使用了直通估计（STE）。
使用直通估计器(STRAIGHT-THROUGHESTIMATOR,STE)的原因可以用一个例子加以说明，假如网络有一个ReLU激活函数，并且网络被初始时即存在一套权重。这些ReLU的输入可以是负数，这会导致ReLU的输出为0。对于这些权重，ReLU的导数将会在反向传播过程中为0，这意味着该网络无法从这些导数学习到任何东西，权重也无法得到更新。针对这一点，直通估计器「将输入的梯度设置为一个等于其输出梯度的阈值函数，而不管该阈值函数本身的实际导数如何。」
一个简单的例子是在伯努利分布采样中定义的STE为：

在这里，是目标函数，由于从伯努利分布中采样是一个不可微分的过程，没有定义，因此反向传播中的梯度不能由链式法则直接算出，然而由于和的期望相同，我们可以使用定义好的梯度对做近似，并且构建了一个如上所示的STE，因此STE实际上给出了一个对的定义。在本文的工作中广泛使用的STE是量化器---将一个真实的浮点数输入量化未位输出，定义的STE如下：
我们可以看到，直通估计器STE的输出是一个由位表示的真实数，由于是一个位定点整数，卷积计算可以由等式(3)高效执行，后面跟着正确的缩放即可。

2.3 权重的低比特量化

在之前的工作中，STE被用来做二值化权重，比如在BNN中，权重被下面的STE二值化：

在XNOR-Net中，权重按照下面的STE二值化，不同之处在于权重在二值化之后进行了缩放：

在XOR-Net中，缩放因子是对应卷积核的权重绝对值均值。理由是引入这个缩放因子将会增加权重表达范围，同时仍然可以在前向传播卷积时做位运算。因此，在本文的实验中，使用一个常量缩放因子来替代通道级缩放。在这篇论文中，对于所有的二值化权重使用同一个缩放因子：
当时，论文使用位表达的权重，然后将STE 应用在权重上：

在量化到位之前，论文先使用tanh将权重限制在[-1,1]之间。通过将数值约束在[0,1]之间，最大值是相对于整个层的权重而言的。然后通过：
将浮点数转换位位定点数，范围在，最后通过映射变换将约束到。
需要注意的是，当k=1时，等式9不同于等式7，它提供了一个不同的二值化权重的方法，然而，论文发现在实验中这种区别不重要。

2.4 梯度的低比特量化

本文已经证明了确定性量化可以产生低位宽的权重和激活值。然后，为了将梯度也量化到低位宽，保持梯度的无界是非常重要的，同时梯度应该比激活值的范围更广。回顾等式（9），我们通过可微分的非线性激活函数将激活值约束到了，然而，这种构造不存在渐变，因此我们对梯度设计了如下的位量化方式：

在这里插入图片描述
这里的是一些层的输出对损失函数的导数，最大值是对梯度张量所有维度（除了）的统计，然后在梯度上用来放缩将结果映射到之间，然后在量化之后又放缩回去。
然后，为了进一步补偿梯度量化引入的潜在偏差，我们引入了额外的函数，这里

因此，噪声可能具有和量化误差相同的幅值。论文发现，人工噪声对性能的影响很大，最后，论文做位梯度量化的表达式如下：

梯度的量化仅仅在反向传播时完成，因此每一个卷积层的输出上的STE是：

在这里插入图片描述

2.5 DoReFa-Net训练算法

论文给出了DoReFa-Net的训练算法，如Algorithm1所示。假设网络具有前馈线性拓扑，像BN层、池化层这样的细节在这里不详细展开。要注意的是，所有昂贵的操作如forward，backward_input，backward_weight（无论是卷积层还是全连接层），都是在低Bit上做的。通过构造，在这些低位宽数字和定点整数之间总是存在仿射映射的，因此，所有昂贵的操作都可以通过定点整数之间的点积等式（3）来加速。

Algorithm1

2.6 小结

最终，我们获得了DoreFa-Net的算法，这里对第一层和最后一层不做量化，因为输入层对图像任务来说通常是8bit的数据，做低比特量化会对精度造成很大的影响，输出层一般是一些One-Hot向量，因此输出层也要保持原样。DoreFa-Net分别对SVHN和ImageNet做了实验，其准确率明显高于二值化网络和三值化网络。

3. 代码实战

仍然以666DZY666博主分享的Pytorch实现为例子来介绍一下DoreFa-Net的代码实现，代码地址为：

https://github.com/666DZY666/model-compression

首先我们看一下使用DoreFa-Net算法搭建的网络，代码目录为del-compression/blob/master/quantization/WqAq/dorefa/models/nin.py：

# 注意这个代码中对卷积层和全连接层实现了DoreFa-Net的量化方法import torchimport torch.nn as nnimport torch.nn.functional as Ffrom .util_wqaq import Conv2d_Qclass DorefaConv2d(nn.Module):    def __init__(self, input_channels, output_channels,            kernel_size=-1, stride=-1, padding=-1, groups=1, last_relu=0, abits=8, wbits=8, first_layer=0):        super(DorefaConv2d, self).__init__()        self.last_relu = last_relu        self.first_layer = first_layer        self.q_conv = Conv2d_Q(input_channels, output_channels,                    kernel_size=kernel_size, stride=stride, padding=padding, groups=groups, a_bits=abits, w_bits=wbits, first_layer=first_layer)        # BN和激活都保留了常规方式        self.bn = nn.BatchNorm2d(output_channels)        self.relu = nn.ReLU(inplace=True)    def forward(self, x):        # 第一个卷积层后面不接relu激活函数        if not self.first_layer:            x = self.relu(x)        x = self.q_conv(x)        x = self.bn(x)        # 最后一层卷积层后要使用relu激活函数        if self.last_relu:            x = self.relu(x)        return xclass Net(nn.Module):    def __init__(self, cfg = None, abits=8, wbits=8):        super(Net, self).__init__()        if cfg is None:            # 网络层通道数            cfg = [192, 160, 96, 192, 192, 192, 192, 192]        # model - A/W全量化(除输入、输出外)           self.dorefa = nn.Sequential(                DorefaConv2d(3, cfg[0], kernel_size=5, stride=1, padding=2, abits=abits, wbits=wbits, first_layer=1),                DorefaConv2d(cfg[0], cfg[1], kernel_size=1, stride=1, padding=0, abits=abits, wbits=wbits),                DorefaConv2d(cfg[1], cfg[2], kernel_size=1, stride=1, padding=0, abits=abits, wbits=wbits),                nn.MaxPool2d(kernel_size=3, stride=2, padding=1),                                DorefaConv2d(cfg[2], cfg[3], kernel_size=5, stride=1, padding=2, abits=abits, wbits=wbits),                DorefaConv2d(cfg[3], cfg[4], kernel_size=1, stride=1, padding=0, abits=abits, wbits=wbits),                DorefaConv2d(cfg[4], cfg[5], kernel_size=1, stride=1, padding=0, abits=abits, wbits=wbits),                nn.MaxPool2d(kernel_size=3, stride=2, padding=1),                                DorefaConv2d(cfg[5], cfg[6], kernel_size=3, stride=1, padding=1, abits=abits, wbits=wbits),                DorefaConv2d(cfg[6], cfg[7], kernel_size=1, stride=1, padding=0, abits=abits, wbits=wbits),                DorefaConv2d(cfg[7], 10, kernel_size=1, stride=1, padding=0, last_relu=1, abits=abits, wbits=wbits),                nn.AvgPool2d(kernel_size=8, stride=1, padding=0),                )    def forward(self, x):        x = self.dorefa(x)        x = x.view(x.size(0), -1)        return x

可以看到这个代码的核心是调用了DorefaConv2d这个DoreFa量化卷积层，这个实现在https://github.com/666DZY666/model-compression/blob/master/quantization/WqAq/dorefa/models/util_wqaq.py中，即：

# ********************* 量化卷积（同时量化A/W，并做卷积） ***********************class Conv2d_Q(nn.Conv2d):  def __init__(        self,        in_channels,        out_channels,        kernel_size,        stride=1,        padding=0,        dilation=1,        groups=1,        bias=True,        a_bits=8,        w_bits=8,        first_layer=0      ):        super().__init__(            in_channels=in_channels,            out_channels=out_channels,            kernel_size=kernel_size,            stride=stride,            padding=padding,            dilation=dilation,            groups=groups,            bias=bias        )        # 实例化调用A和W量化器        self.activation_quantizer = activation_quantize(a_bits=a_bits)        self.weight_quantizer = weight_quantize(w_bits=w_bits)            self.first_layer = first_layer  def forward(self, input):    # 量化A和W    if not self.first_layer:      input = self.activation_quantizer(input)    q_input = input    q_weight = self.weight_quantizer(self.weight)     # 量化卷积    output = F.conv2d(            input=q_input,            weight=q_weight,            bias=self.bias,            stride=self.stride,            padding=self.padding,            dilation=self.dilation,            groups=self.groups        )    return output

对于权重的量化代码实现如下，对应了公式9和公式10：

# ********************* W(模型参数)量化 ***********************class weight_quantize(nn.Module):  def __init__(self, w_bits):    super().__init__()    self.w_bits = w_bits  def round(self, input):    output = Round.apply(input)    return output  def forward(self, input):    if self.w_bits == 32:      output = input    elif self.w_bits == 1:      print('！Binary quantization is not supported ！')      assert self.w_bits != 1                          else:      # 按照公式9和10计算      output = torch.tanh(input)      output = output / 2 / torch.max(torch.abs(output)) + 0.5  #归一化-[0,1]      scale = float(2 ** self.w_bits - 1)      output = output * scale      output = self.round(output)      output = output / scale      output = 2 * output - 1    return output

其中round函数的实现如下，可以看到继承了torch.autograd.Function，使得这个round操作可以反向传播：

class Round(Function):        @staticmethod    def forward(self, input):        output = torch.round(input)        return output    @staticmethod    def backward(self, grad_output):        grad_input = grad_output.clone()        return grad_input

然后对于激活值的量化，论文中的介绍如下图所示：

DoreFa-Net对激活值的量化
代码实现如下：

# ********************* A(特征)量化 ***********************class activation_quantize(nn.Module):  def __init__(self, a_bits):    super().__init__()    self.a_bits = a_bits  def round(self, input):    output = Round.apply(input)    return output  def forward(self, input):    if self.a_bits == 32:      output = input    elif self.a_bits == 1:      print('！Binary quantization is not supported ！')      assert self.a_bits != 1    else:      output = torch.clamp(input * 0.1, 0, 1)  # 特征A截断前先进行缩放（* 0.1），以减小截断误差      scale = float(2 ** self.a_bits - 1)      output = output * scale      output = self.round(output)      output = output / scale    return output

注意一下这里有个Trick，即特征A截断前先进行缩放（* 0.1），以减小截断误差。
代码中还实现了全连接层量化：

# ********************* 量化全连接（同时量化A/W，并做全连接） ***********************class Linear_Q(nn.Linear):  def __init__(self, in_features, out_features, bias=True, a_bits=2, w_bits=2):    super().__init__(in_features=in_features, out_features=out_features, bias=bias)    self.activation_quantizer = activation_quantize(a_bits=a_bits)    self.weight_quantizer = weight_quantize(w_bits=w_bits)   def forward(self, input):    # 量化A和W    q_input = self.activation_quantizer(input)    q_weight = self.weight_quantizer(self.weight)     # 量化全连接    output = F.linear(input=q_input, weight=q_weight, bias=self.bias)    return output

4. 将DoreFa-Net应用到YOLOV3上

上次介绍的YOLOV3剪枝方法汇总文章中还剩下一个量化方法当时没有提到，实际上它的量化方法就是DoreFa-Net量化方法，然后我们来看一下量化效果：

YOLOV3使用DoreFa-Net的量化实验结果
但是需要注意的是，在框架下量化训练过程都还是在float32精度下的表达，只是尺度scale到量化的尺度上了，能够验证量化的有效性。但如果要实际部署，可以看下我们发布的深度学习量化技术科普，并且后续我也会更新实际工程中的做量化加速的一些分享。