近期,YOLOv7里面借鉴(复 制 粘 贴)了一个新的模型,SparseInst,我借助YOLOv7的基建能力,将其导出到了ONNX, 获得了一个非常不错的可以直接用OnnxRuntime, 或者TensorRT跑的实例分割 (后续也可能把link加到官方的repo当中)。索性就一不作二不休,把int8也给他加上。于是就有了这个踩坑记录博客。
本文将带你从0开始量化一个复杂网络,这个SparseInst也是基于Transformer的,网络结构够复杂。最终实现Int8的量化推理。
我们会cover的知识点包括:
- 是如何将一个transformer导出到onnx的,中间会遇到哪些问题?
- 如果重写后处理得到一个可用的onnx模型?
- 如何对coco的模型实现普适化的量化(无需重复写乱七八糟的dataloader)
- 如何评估量化模型与float32的误差?
- 如何对量化后的模型进行推理,并通用的迁移到X86, ARM等架构,或者TensorRT, OpenVINO, NCNN等前推框架
先来看看SparseInst的精度。这或许是今年,速度最快,精度最高的实例分割模型:
可以看到,在mAP达到 37.9 的情况下,可以跑到 40 FPS.
这是我在CPU下,用int8的跑到结果,请注意,是CPU, 大概是 30ms. 小目标检测的效果依旧非常不错。
这还是还没有用TensorRT,也没有用TensorRT的int8加速的情况下,如果TensorRT int8,可以达到4-6ms. 输入尺寸是640x640,不大也不小的图。TensorRT我将在下一篇继续测试。
这个模型,我认为如果你感兴趣的话,是可以在数据集上得到一个更高的精度的。这里面的attention machanism 是可以被改进的,潜力依旧很大。但毫无疑问,这是目前看来,第一个不是特别慢的实例分割的范式,也不是无脑的堆叠encoder layer寻求高精度的方法。能做到非常好的精度与推理速度的权衡。
那我们就来把他量化到int8吧。
0x1 导出onnx
首先导出到onnx , 这一步可以直接一不到 yolov7仓库,参考对应的导出流程。
https://github.com/jinfagang/yolov7
如果你遇到了什么问题,请尽情的在github提issue.
0x2 量化
这部分坑,实在是太深了,一言难尽。一入量化深似海。所以接下来这部分,我建议你慎重观摩,可能引起你的心理落差。
因为如果你不经过一些非常深的套路,结局可能是这样的:
不管那么多了,早晚是要quant的。那不如我们先来吧calibrator高一波:
import sys
from torchvision import transforms
import torchvision
import torch
from atomquant.onnx.dataloader import get_calib_dataloader_coco
import os
import cv2
import numpy as np
import onnxruntime as ort
from torchvision.datasets.coco import CocoDetection
from alfred.dl.torch.common import device
def preprocess_func(img, target):
w = 640
h = 640
a = cv2.resize(img, (w, h))
a_t = np.array(a).astype(np.float32)
boxes = []
for t in target:
boxes.append(t["bbox"])
target = np.array(boxes)
a_t = torch.as_tensor(a_t)
target = torch.as_tensor(target)
return a_t, target
def collate_fn(batch):
images, targets = zip(*batch)
if isinstance(images[0], torch.Tensor):
images = torch.stack(images)
targets = torch.stack(targets)
else:
images = np.array(images)
return images
if __name__ == "__main__":
ONNX_PATH = sys.argv[1]
coco_root = os.path.expanduser("~/data/coco/images/val2017")
anno_f = os.path.expanduser(
"~/data/coco/annotations/instances_val2017_val_val_train.json"
)
# coco_ds = CocoDetection(coco_root, anno_f, )
session = ort.InferenceSession(ONNX_PATH)
input_name = session.get_inputs()[0].name
calib_dataloader = get_calib_dataloader_coco(
coco_root,
anno_f,
preprocess_func=preprocess_func,
input_names=input_name,
bs=1,
max_step=50,
collate_fn=collate_fn
)
这个地方我比较建议你使用pqq来量化。上面的atomquant是我的一个还未开源的包,由于太菜以至于不敢开源。但是我就暂且用这个里面提供的一些calibrator构造函数来丢一波coco的数据来量化。
接下来丢进来我们的onnx模型,就可以开始量化了:
REQUIRE_ANALYSE = False
BATCHSIZE = 1
# INPUT_SHAPE = [3, 224, 224]
INPUT_SHAPE = [640, 640, 3]
DEVICE = "cuda" # only cuda is fully tested :( For other executing device there might be bugs.
# PLATFORM = TargetPlatform.PPL_CUDA_INT8 # identify a target platform for your network.
PLATFORM = (
TargetPlatform.ORT_OOS_INT8
# TargetPlatform.PPL_CUDA_INT8
) # identify a target platform for your network.
# PLATFORM = TargetPlatform.ONNXRUNTIME # identify a target platform for your network.
EXECUTING_DEVICE = "cpu" # 'cuda' or 'cpu'.
# create a setting for quantizing your network with PPL CUDA.
# quant_setting = QuantizationSettingFactory.pplcuda_setting()
quant_setting = QuantizationSettingFactory.default_setting()
quant_setting.equalization = True # use layerwise equalization algorithm.
quant_setting.dispatcher = (
"conservative" # dispatch this network in conservertive way.
)
# quantize your model.
quantized = quantize_onnx_model(
onnx_import_file=ONNX_PATH,
calib_dataloader=calib_dataloader.dataloader_holder,
calib_steps=88,
input_shape=[BATCHSIZE] + INPUT_SHAPE,
setting=quant_setting,
# collate_fn=collate_fn,
platform=PLATFORM,
device=DEVICE,
verbose=0,
)
记得import你需要的东西,这里默认我们进行x86的计算模拟,因为我们想跑在CPU上,至于GPU,那是下一篇的事情。
然后我们就可以得到一个quantize的模型:
在这里面,我们展示的是一个实例分割模型,这里面包含了非常多的复杂操作,例如各种shape的组合,以及各种concat,各种interpolate, 其中很多算子是没有办法去量化的,至少很多前推引擎并不支持。
但是我们不管那么多,一顿梭哈,无脑梭哈。
然后我们就可以得到这么一个int8的模型:
模型体积从 140M -> 50M.
好了,接下来进入下一段。
0x3 量化模型推理
虽然我上面写起来很简单,这当中忽略了很多坑,多得数不过来,更别说记录了。如果你也遇到了坑,欢迎前往YOLOv7留言。
接着就是量化模型推理了,:
def load_test_image(f, h, w):
a = cv2.imread(f)
a = cv2.resize(a, (w, h))
a_t = np.expand_dims(np.array(a).astype(np.float32), axis=0)
return a_t, a
def preprocess_image(img, h, w):
a = cv2.resize(img, (w, h))
a_t = np.expand_dims(np.array(a).astype(np.float32), axis=0)
return a_t, img
if __name__ == "__main__":
args = make_parser().parse_args()
input_shape = tuple(map(int, args.input_shape.split(",")))
session = onnxruntime.InferenceSession(args.model)
iter = ImageSourceIter(args.image_path)
while True:
im = next(iter)
if isinstance(im, str):
im = cv2.imread(im)
inp, ori_img = preprocess_image(im, h=input_shape[0], w=input_shape[1])
ort_inputs = {session.get_inputs()[0].name: inp}
output = session.run(None, ort_inputs)
if "sparse" in args.model:
masks, scores, labels = None, None, None
for o in output:
if o.dtype == np.float32:
scores = o
if o.dtype == np.int32 or o.dtype == np.int64:
labels = o
if o.dtype == bool:
masks = o
masks = masks[0]
print(masks.shape)
if len(masks.shape) > 3:
masks = np.squeeze(masks, axis=1)
scores = scores[0]
labels = labels[0]
# keep = scores > 0.15
keep = scores > (0.15 if args.int8 else 0.32)
scores = scores[keep]
labels = labels[keep]
masks = masks[keep]
print(scores)
print(labels)
print(masks.shape)
img = vis_res_fast(im, None, masks, scores, labels)
else:
predictions = demo_postprocess(output[0], input_shape, p6=args.with_p6)[0]
boxes = predictions[:, :4]
scores = predictions[:, 4:5] * predictions[:, 5:]
boxes_xyxy = np.ones_like(boxes)
boxes_xyxy[:, 0] = boxes[:, 0] - boxes[:, 2] / 2.0
boxes_xyxy[:, 1] = boxes[:, 1] - boxes[:, 3] / 2.0
boxes_xyxy[:, 2] = boxes[:, 0] + boxes[:, 2] / 2.0
boxes_xyxy[:, 3] = boxes[:, 1] + boxes[:, 3] / 2.0
# boxes_xyxy /= ratio
dets = multiclass_nms(boxes_xyxy, scores, nms_thr=0.65, score_thr=0.1)
final_boxes, final_scores, final_cls_inds = (
dets[:, :4],
dets[:, 4],
dets[:, 5],
)
img = visualize_det_cv2_part(
ori_img, final_scores, final_cls_inds, final_boxes
)
cv2.imshow("aa", img)
cv2.waitKey(0)
cv2.imshow("YOLOv7 SparseInst CPU int8", img)
if iter.video_mode:
if cv2.waitKey(1) & 0xFF == ord("q"):
break
else:
cv2.waitKey(0)
这部分代码在YOLOv7 deploy当中。
最后我们传入命令:
python ort_infer.py -m ../weights/sparse_inst.onnx -i ../datasets/public/images --int8
就 可以看到int8的推理结果:
0x4 总结
本文实现了一个较为复杂的transformer的实例分割的ONNX导出,同时实现了精度一定范围内得到了保证的int8量化。但其实这还只是一个粗狂的尝试,未来我们会进一步的精细化int8的量化误差、让量化误差进一步可控。
下一篇预告:使用ncnn前端推理量化模型。让int8在CPU下跑得更快。
同时,也会吧量化的结果,迁移到TensorRT,用int8来跑tensorrt.
如果你对量化感兴趣,可以扫码加入我们的 “高端” 量化交流群,群内大佬云集。
本文所有代码,将会在下面链接公布:
https://manaai.cn/