量化是在 CPU 上最流行的加速神經(jīng)網(wǎng)絡(luò)推理方法之一。去年，TensorFlow Lite 通過 XNNPACK 后端提高了浮點(diǎn)模型的性能。如今，我們將 XNNPACK 后端擴(kuò)展至量化模型。各個(gè)計(jì)算機(jī)視覺模型就表現(xiàn)而言，與默認(rèn)的 TensorFlow Lite 量化內(nèi)核相比，改擴(kuò)展在 ARM64 手機(jī)上的速度平均提升 30%，在 x86-64 筆記本電腦及桌面設(shè)備系統(tǒng)上提升 5 倍，在 WebAssembly SIMD 的瀏覽器內(nèi)推理上提升 20 倍。

TensorFlow Lite

https://tensorflow.google.cn/lite

XNNPACK 后端

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/delegates/xnnpack/README.md

XNNPACK 中的量化推理針對 TensorFlow 模型優(yōu)化工具包所用的對稱量化架構(gòu)進(jìn)行了優(yōu)化。XNNPACK 既支持傳統(tǒng)的按張量量化架構(gòu)，也支持較新且準(zhǔn)確率更高的帶有權(quán)重渠道量化和激活按張量量化的架構(gòu)。此外，XNNPACK 還支持非對稱量化架構(gòu)，但效率有所降低。

對稱量化架構(gòu)

https://tensorflow.google.cn/lite/performance/quantization_spec#symmetric_vs_asymmetric

傳統(tǒng)的按張量量化架構(gòu)

https://arxiv.org/abs/1712.05877

帶有權(quán)重渠道量化和激活按張量量化的架構(gòu)

https://arxiv.org/abs/1806.08342

性能提升

我們在一些邊緣設(shè)備和神經(jīng)網(wǎng)絡(luò)架構(gòu)針對 XNNPACK 加速的量化推理進(jìn)行了評估。我們以下文介紹的四個(gè)公開模型和兩個(gè)內(nèi)部量化模型為基準(zhǔn)，它涵蓋了常見的計(jì)算機(jī)視覺任務(wù)：

1.EfficientNet-Lite0 圖像分類 ［下載］

下載

https://tfhub.dev/tensorflow/lite-model/efficientnet/lite0/int8/2

2.EfficientDet-Lite0 對象檢測 ［下載］

EfficientDet-Lite0

https://arxiv.org/abs/1911.09070

下載

https://tfhub.dev/tensorflow/lite-model/efficientdet/lite0/int8/1

3.DeepLab v3 分割，使用 MobileNet v2 特征提取器 ［下載］

DeepLab v3

https://ai.googleblog.com/2018/03/semantic-image-segmentation-with.html

MobileNet v2

https://arxiv.org/abs/1801.04381

下載

https://tfhub.dev/sayakpaul/lite-model/deeplabv3-mobilenetv2/1/default/1

4.CartoonGAN 圖像風(fēng)格轉(zhuǎn)化 ［下載］

CartoonGAN

https://ieeexplore.ieee.org/document/8579084

下載

https://tfhub.dev/sayakpaul/lite-model/cartoongan/int8/1

5.Face Mesh 特征點(diǎn)的量化版本

6.視頻分割的量化版本

視頻分割

https://ai.googleblog.com/2018/03/mobile-real-time-video-segmentation.html

使用 XNNPACK 在 Android/ARM64 手機(jī)上對量化的計(jì)算機(jī)視覺模型進(jìn)行單線程推理時(shí)的速度提升

在六個(gè) Android ARM64 移動設(shè)備上，XNNPACK 與默認(rèn)的 TensorFlow Lite 量化內(nèi)核相比，平均提升 30%。

使用 XNNPACK 在 x86-64 筆記本電腦和桌面設(shè)備系統(tǒng)上對量化的計(jì)算機(jī)視覺模型進(jìn)行單線程推理時(shí)的速度提升

XNNPACK 在搭載 x86 處理器的筆記本電腦和桌面設(shè)備系統(tǒng)上有了更大幅度的提升。在我們基準(zhǔn)測試中的 5 個(gè) x86 處理器上，XNNPACK 將推理速度平均提升 5 倍。值得注意的是，不支持 AVX 指令集的低端和老式處理器，通過將量化推理轉(zhuǎn)換為 XNNPACK，將速度提升 20 倍以上，而 TensorFlow Lite 以前的推理后端只針對 AVX、AVX2 和 AVX512 指令集優(yōu)化了，而 XNNPACK 則為所有 x86-64 處理器提供了優(yōu)化實(shí)現(xiàn)。

通過 V8 運(yùn)行時(shí)，使用 XNNPACK 在手機(jī)、筆記本電腦和桌面設(shè)備上對量化的計(jì)算機(jī)視覺模型進(jìn)行單線程 WebAssembly SIMD 推理的速度提升

除了傳統(tǒng)的移動設(shè)備和筆記本電腦/桌面設(shè)備平臺外，XNNPACK 還通過 TensorFlow Lite Web API 為網(wǎng)絡(luò)平臺進(jìn)行量化推理加速。上圖展示了在 3 個(gè) x86-64 和 2 個(gè) ARM64 系統(tǒng)上通過 V8 JavaScript 引擎運(yùn)行 WebAssembly SIMD 基準(zhǔn)時(shí)，與默認(rèn)的 TensorFlow Lite 實(shí)現(xiàn)相比，幾何速度平均提升 20 倍。

TensorFlow Lite Web API

https://github.com/tensorflow/tfjs/tree/master/tfjs-tflite

兩年的優(yōu)化

XNNPACK 起初是 QNNPACK 庫的一個(gè)分支，但是由于 XNNPACK 的第一個(gè)版本專注于浮點(diǎn)推理，而 QNNPACK 專注于量化推理，因此無法將兩者進(jìn)行比較。如今，隨著 XNNPACK 引入對量化推理的支持及近兩年的性能優(yōu)化，我們可以直接評估。

QNNPACK

https://github.com/pytorch/QNNPACK

為了比較這兩個(gè)量化推理后端，我們將隨機(jī)的 MobileNet v1 和 MobileNet v2 模型從 XNNPACK API 移植到 QNNPACK API，并在兩個(gè) ARM64 Android 手機(jī)和兩個(gè) x86-64 系統(tǒng)上對其單線程性能進(jìn)行了基準(zhǔn)測試。上圖顯示了結(jié)果，XNNPACK 在兩年內(nèi)取得了驚人的進(jìn)步。XNNPACK 在舊的 Pixel 3a 手機(jī)上的速度提升 50%，在新的 Pixel 4a 手機(jī)上速度提升 4 到 5 倍，在 x86-64 筆記本電腦上提升 2.5X，在 x86-64 工作站上提升 3 倍多。XNNPACK 從 QNNPACK 派生出來后的兩年中進(jìn)行了多種優(yōu)化，這使其性能提升：

MobileNet v1

https://github.com/google/XNNPACK/blob/master/models/qs8-mobilenet-v1.cc

MobileNet v2

https://github.com/google/XNNPACK/blob/master/models/qs8-mobilenet-v2.cc

●

XNNPACK 保留了 QNNPACK 中的優(yōu)化，如間接卷積算法和針對微架構(gòu)的微內(nèi)核選擇，并通過間接反卷積算法將其進(jìn)一步增強(qiáng)，同時(shí)具備更靈活的能力，如量化加法運(yùn)算符和量化乘法運(yùn)算符中內(nèi)置的類 numpy 廣播。

間接卷積算法

https://arxiv.org/abs/1907.02129

間接反卷積算法

https://ieeexplore.ieee.org/document/9150450

●

卷積、反卷積和全連接運(yùn)算符將 8 位激活和權(quán)重的乘積累積為 32 位數(shù)字，最終需要將該數(shù)字轉(zhuǎn)換回來，或者重新量化為 8 位數(shù)字。有多種方法可以實(shí)現(xiàn)重新量化，但 QNNPACK 采用了來自 GEMMLOWP庫的架構(gòu)，該庫開創(chuàng)了神經(jīng)網(wǎng)絡(luò)推理的量化計(jì)算。然而，人們后來發(fā)現(xiàn) GEMMLOWP 的重新量化架構(gòu)在準(zhǔn)確率和性能方面并不是最優(yōu)的，XNNPACK 憑借更高的性能和準(zhǔn)確率取代了它。

GEMMLOWP 庫

https://github.com/google/gemmlowp

●

QNNPACK 以非對稱量化架構(gòu)為目標(biāo)，其中激活和權(quán)重都表示為無符號整數(shù)，并帶有零點(diǎn)和比例量化參數(shù)，而 XNNPACK 的優(yōu)化專注于對稱量化，其中激活和權(quán)重都是有符號整數(shù)，且權(quán)重有額外的限制：權(quán)重的零點(diǎn)始終為零，量化的權(quán)重被限制在 ［-127， 127］ 范圍間（雖然 -128 可以表示為有符號 8 位整數(shù)，但是仍被排除在外）。在 XNNPACK 中利用對稱量化時(shí)具有兩個(gè)計(jì)算優(yōu)勢。首先，過濾器權(quán)重是靜態(tài)時(shí)，輸入零點(diǎn)與過濾器權(quán)重的乘積累積結(jié)果可以完全融合到卷積、反卷積和全連接運(yùn)算符中的偏移項(xiàng)中。因此，推理計(jì)算中完全沒有零點(diǎn)參數(shù)。其次，有符號的 8 位輸入元素與限制在 ［-127， 127］ 的權(quán)重元素的乘積可以填入 15 位。如此一來，卷積、反卷積和全連接運(yùn)算符的微內(nèi)核能夠在 16 位變量上進(jìn)行一半的累積，而不是始終將乘積擴(kuò)展到 32 位。

表示為無符號整數(shù)，并帶有零點(diǎn)和比例量化參數(shù)

https://arxiv.org/abs/1712.05877

●

QNNPACK 微內(nèi)核針對 ARM 上的 NEON SIMD 指令集和 x86 上的 SSE2 SIMD 指令集進(jìn)行了優(yōu)化，但 XNNPACK 支持更多的特定指令集優(yōu)化。XNNPACK 中的大多數(shù)量化微內(nèi)核都針對 x86/x86-64 上的 SSE2、SSE4.1、AVX、XOP、AVX2 和 AVX512 指令集，ARM/ARM64 上的 NEON、NEON V8 和 NEON 點(diǎn)積指令集，以及 WebAssembly SIMD 指令集進(jìn)行了優(yōu)化。此外，XNNPACK 為 WebAssembly 1.0 和 pre-NEON ARM 處理器提供標(biāo)量支持。

●

QNNPACK 為高端 ARM 和低端 ARM 內(nèi)核引入了提供專門匯編微內(nèi)核的想法，而 XNNPACK 將這一想法進(jìn)一步推進(jìn)。XNNPACK 不僅針對 Cortex-A53、Cortex-A55 以及具有或不具有 NEON 點(diǎn)積指令集的高端內(nèi)核的專門專家調(diào)整軟件流水線匯編微內(nèi)核，甚至在它們之間還支持實(shí)時(shí)切換。進(jìn)行推理的線程從大核遷移到小核時(shí)，XNNPACK 會自動適應(yīng)，從使用針對大核優(yōu)化的微內(nèi)核轉(zhuǎn)換到針對小核優(yōu)化的微內(nèi)核。

●

QNNPACK 主要專注于多線程推理，并將計(jì)算分割成大量的小任務(wù)，每個(gè)任務(wù)計(jì)算輸出張量的一個(gè)小切片。XNNPACK 重新設(shè)計(jì)了并行化，讓任務(wù)變得靈活：可以分割為細(xì)粒度或粗粒度，具體取決于參與并行化的線程數(shù)量。通過動態(tài)調(diào)整任務(wù)粒度，XNNPACK 在單線程執(zhí)行中實(shí)現(xiàn)了低開銷，在多線程推理中實(shí)現(xiàn)了高并行化效率。

總之，這些優(yōu)化讓 XNNPACK 擁有最先進(jìn)的量化推理能力，且讓 TensorFlow Lite 成為最通用的量化推理解決方案，涵蓋包括 Raspberry Pi Zero、Chromebook，以及具有服務(wù)器類處理器的工作站在內(nèi)的眾多系統(tǒng)。

如何使用？

量化的 XNNPACK 推理在所有平臺 TensorFlow Lite 的 CMake 構(gòu)建，以及網(wǎng)絡(luò)平臺 TensorFlow Lite 的 Bazel 構(gòu)建中默認(rèn)啟用，并將在 2.7 版本的 TensorFlow Lite Web API 中可用。在其他平臺的 Bazel 構(gòu)建中，量化的 XNNPACK 推理通過構(gòu)建時(shí)的選擇機(jī)制啟用。使用 Bazel 構(gòu)建 TensorFlow Lite 時(shí)，如果添加 --define tflite_with_xnnpack=true --define xnn_enable_qs8=true，TensorFlow Lite 解釋器將默認(rèn)使用 XNNPACK 后端，使用具有對稱量化的受支持運(yùn)算符。可以通過添加 --define xnn_enable_qu8=true Bazel 選項(xiàng)，對非對稱量化的運(yùn)算符進(jìn)行有限支持。

TensorFlow Lite Web API

https://github.com/tensorflow/tfjs/tree/master/tfjs-tflite

可加速哪些運(yùn)算？

XNNPACK 后端目前支持量化的 TensorFlow Lite 運(yùn)算符的子集（請參閱文檔，了解詳細(xì)信息和限制）。XNNPACK 支持由模型優(yōu)化工具包通過訓(xùn)練后的整數(shù)量化和量化感知訓(xùn)練產(chǎn)生的模型，但不支持訓(xùn)練后的動態(tài)范圍量化。

文檔

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/delegates/xnnpack/README.md#quantized-operators

未來展望

這是 XNNPACK 集成到 TensorFlow Lite 后的第三個(gè)版本，之前是浮點(diǎn)實(shí)現(xiàn)的初始版本以及引入稀疏推理支持的后續(xù)版本。在未來版本中，我們將添加以下改進(jìn)：

●

最新 ARM 處理器上的半精度推理

●

稀疏量化推理。

●

更加快速的密集推理。

希望您能在 GitHub 和 StackOverflow 頁面上積極發(fā)表您的想法和評論，您也可以在 discuss.tensorflow.org 上提問。

GitHub

https://github.com/tensorflow/tensorflow/issues

StackOverflow

https://stackoverflow.com/questions/tagged/tensorflow-lite

discuss.tensorflow.org

http://discuss.tensorflow.org

責(zé)任編輯：haq