Tài liệu sau đây trình bày thông số kỹ thuật cho phiên bản 8 bit của LiteRT sơ đồ lượng tử hoá. Thông tin này nhằm hỗ trợ các nhà phát triển phần cứng trong việc cung cấp hỗ trợ phần cứng để suy luận với các mô hình LiteRT lượng tử hoá.
Tóm tắt thông số kỹ thuật
Chúng tôi đang cung cấp thông số kỹ thuật và chỉ có thể đảm bảo về nếu tuân theo thông số kỹ thuật. Chúng tôi cũng hiểu rằng phần cứng khác nhau có các lựa chọn ưu tiên và hạn chế có thể gây ra sai lệch nhỏ khi việc triển khai thông số kỹ thuật dẫn đến việc triển khai không chính xác bit. Trái lại, điều này có thể được chấp nhận trong hầu hết các trường hợp (và chúng tôi sẽ cung cấp một gói các thử nghiệm mà theo hiểu biết tốt nhất của chúng tôi, bao gồm cả dung sai cho mỗi thao tác mà chúng tôi thu thập từ một số mô hình), bản chất của công nghệ học máy (và học sâu) trong trường hợp phổ biến nhất), khiến chúng tôi không thể đưa ra bất kỳ đảm bảo chắc chắn nào.
Lượng tử hoá 8 bit ước lượng giá trị dấu phẩy động bằng cách sử dụng .
\[real\_value = (int8\_value - zero\_point) \times scale\]
Mỗi trục (còn gọi là mỗi kênh trong chiến dịch Chuyển đổi) hoặc trọng số trên mỗi tensor được biểu thị bằng
int8
giá trị bù của hai trong dải ô [-127, 127]
có điểm 0 bằng
thành 0. Số lần kích hoạt/đầu vào trên mỗi tensor được biểu thị bằng phần bổ sung của int8
hai
các giá trị trong dải ô [-128, 127]
, với một điểm 0 trong dải ô [-128, 127]
.
Có những ngoại lệ khác đối với các thao tác cụ thể được nêu dưới đây.
Số nguyên đã ký và số nguyên chưa ký
Quá trình lượng tử LiteRT sẽ chủ yếu ưu tiên cho công cụ và hạt nhân cho
Lượng tử hoá int8
cho 8 bit. Điều này để thuận tiện cho tính đối xứng
lượng tử hoá được biểu diễn bằng điểm không bằng 0. Ngoài ra, nhiều
phần phụ trợ có các tính năng tối ưu hoá bổ sung để tích luỹ int8xint8
.
Trên mỗi trục so với trên mỗi tensor
Lượng tử hoá trên mỗi tensor có nghĩa là sẽ có một tỷ lệ và/hoặc điểm không trên mỗi
toàn bộ tensor. Lượng tử hoá trên mỗi trục nghĩa là sẽ có một tỷ lệ và/hoặc
zero_point
cho mỗi lát trong quantized_dimension
. Phương diện lượng tử hoá
xác định kích thước hình dạng của Tensor mà các tỷ lệ và điểm không
tương ứng với. Ví dụ: một tensor t
, với dims=[4, 3, 2, 1]
có
tham số lượng tử hoá: scale=[1.0, 2.0, 3.0]
, zero_point=[1, 2, 3]
,
quantization_dimension=1
sẽ được lượng tử hoá trên chiều thứ hai của t
:
t[:, 0, :, :] will have scale[0]=1.0, zero_point[0]=1
t[:, 1, :, :] will have scale[1]=2.0, zero_point[1]=2
t[:, 2, :, :] will have scale[2]=3.0, zero_point[2]=3
Thông thường, quantized_dimension
là output_channel
trọng số của
tích chập, nhưng về lý thuyết, nó có thể là chiều tương ứng với mỗi
chấm-product trong triển khai nhân, cho phép độ chi tiết lượng tử hoá cao hơn
mà không ảnh hưởng đến hiệu suất. Điều này giúp cải thiện đáng kể độ chính xác.
TFLite hỗ trợ theo mỗi trục cho số lượng thao tác ngày càng tăng. Vào thời điểm trong tài liệu này, có hỗ trợ cho Conv2d và DepthwiseConv2d.
Đối xứng và bất đối xứng
Các kích hoạt là bất đối xứng: chúng có thể có điểm 0 ở bất kỳ đâu trong
đã ký dải ô int8
[-128, 127]
. Nhiều quá trình kích hoạt có tính chất bất đối xứng và
điểm không là một cách tương đối rẻ để thu được thêm
bit nhị phân của độ chính xác. Vì các lượt kích hoạt chỉ được nhân với hằng số
trọng số, thì giá trị điểm không hằng số có thể được tối ưu hoá khá nhiều.
Trọng số đối xứng: bắt buộc phải có điểm không bằng 0. Giá trị trọng số là nhân với giá trị đầu vào động và giá trị kích hoạt. Điều này có nghĩa là chi phí thời gian chạy không thể tránh khỏi của việc nhân điểm 0 của trọng số với giá trị kích hoạt. Bằng cách thực thi điểm không bằng 0, chúng ta có thể tránh chi phí này.
Giải thích toán học: tương tự như phần 2.3 trong arXiv:1712.05877, ngoại trừ sự khác biệt mà chúng tôi cho phép giá trị tỷ lệ theo mỗi trục. Điều này khái quát là rất dễ dàng, vì sau:
$A$ là một ma trận $m \times n$ của các kích hoạt lượng tử hoá.
$B$ là một ma trận $n \times p$ của các trọng số lượng tử hoá.
Hãy cân nhắc nhân hàng thứ $j$của $A$, $a_j$ với cột thứ $k$của
$B$, $b_k$, cả hai đều có thời lượng $n$. Các giá trị số nguyên lượng tử hoá và
giá trị điểm 0 lần lượt là $q_a$, $z_a$ và $q_b$, $z_b$.
\[a_j \cdot b_k = \sum_{i=0}^{n} a_{j}^{(i)} b_{k}^{(i)} = \sum_{i=0}^{n} (q_{a}^{(i)} - z_a) (q_{b}^{(i)} - z_b) = \sum_{i=0}^{n} q_{a}^{(i)} q_{b}^{(i)} - \sum_{i=0}^{n} q_{a}^{(i)} z_b - \sum_{i=0}^{n} q_{b}^{(i)} z_a + \sum_{i=0}^{n} z_a z_b\]
Thuật ngữ \(\sum_{i=0}^{n} q_{a}^{(i)} q_{b}^{(i)}\) là không thể tránh khỏi vì đó thực hiện tích vô hướng của giá trị nhập vào và giá trị trọng số.
Các điều khoản \(\sum_{i=0}^{n} q_{b}^{(i)} z_a\) và \(\sum_{i=0}^{n} z_a z_b\) được tạo thành từ các hằng số không đổi đối với mỗi lệnh gọi suy luận và do đó có thể được tính toán trước.
Thuật ngữ \(\sum_{i=0}^{n} q_{a}^{(i)} z_b\) cần được tính toán mỗi lần suy luận vì việc kích hoạt sẽ thay đổi mọi suy luận. Bằng cách thực thi trọng số để đối xứng nên chúng tôi có thể bỏ chi phí của số hạng này.
quy cách toán tử lượng tử hoá int8
Dưới đây, chúng tôi mô tả các yêu cầu lượng tử cho hạt nhân int8 tflite của chúng tôi:
ADD
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
AVERAGE_POOL_2D
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
CONCATENATION
Input ...:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
CONV_2D
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1 (Weight):
data_type : int8
range : [-127, 127]
granularity: per-axis (dim = 0)
restriction: zero_point = 0
Input 2 (Bias):
data_type : int32
range : [int32_min, int32_max]
granularity: per-axis
restriction: (scale, zero_point) = (input0_scale * input1_scale[...], 0)
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
DEPTHWISE_CONV_2D
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1 (Weight):
data_type : int8
range : [-127, 127]
granularity: per-axis (dim = 3)
restriction: zero_point = 0
Input 2 (Bias):
data_type : int32
range : [int32_min, int32_max]
granularity: per-axis
restriction: (scale, zero_point) = (input0_scale * input1_scale[...], 0)
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
FULLY_CONNECTED
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1 (Weight):
data_type : int8
range : [-127, 127]
granularity: per-axis (dim = 0)
restriction: zero_point = 0
Input 2 (Bias):
data_type : int32
range : [int32_min, int32_max]
granularity: per-tensor
restriction: (scale, zero_point) = (input0_scale * input1_scale[...], 0)
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
L2_NORMALIZATION
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: (scale, zero_point) = (1.0 / 128.0, 0)
LOGISTIC
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: (scale, zero_point) = (1.0 / 256.0, -128)
MAX_POOL_2D
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
MUL
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
RESHAPE
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
RESIZE_BILINEAR
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
SOFTMAX
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: (scale, zero_point) = (1.0 / 256.0, -128)
SPACE_TO_DEPTH
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
TANH
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: (scale, zero_point) = (1.0 / 128.0, 0)
PAD
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
GATHER
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
BATCH_TO_SPACE_ND
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
SPACE_TO_BATCH_ND
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
TRANSPOSE
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
MEAN
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
SUB
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
SUM
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
SQUEEZE
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
LOG_SOFTMAX
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: (scale, zero_point) = (16.0 / 256.0, 127)
MAXIMUM
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
ARG_MAX
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
MINIMUM
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
LESS
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
PADV2
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
GREATER
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
GREATER_EQUAL
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
LESS_EQUAL
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
SLICE
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
restriction: Input and outputs must all have same scale/zero_point
EQUAL
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
NOT_EQUAL
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Input 1:
data_type : int8
range : [-128, 127]
granularity: per-tensor
SHAPE
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
QUANTIZE (Requantization)
Input 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor
Output 0:
data_type : int8
range : [-128, 127]
granularity: per-tensor