mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-07 09:31:35 +08:00
69 lines
5.7 KiB
Markdown
69 lines
5.7 KiB
Markdown
[English](../en/quantize.md) | 简体中文
|
||
|
||
# 量化加速
|
||
量化是一种流行的模型压缩方法，量化后的模型拥有更小的体积和更快的推理速度.
|
||
FastDeploy基于PaddleSlim, 集成了一键模型量化的工具, 同时, FastDeploy支持推理部署量化后的模型, 帮助用户实现推理加速.
|
||
|
||
|
||
## FastDeploy 多个引擎和硬件支持量化模型部署
|
||
当前，FastDeploy中多个推理后端可以在不同硬件上支持量化模型的部署. 支持情况如下:
|
||
|
||
| 硬件/推理后端 | ONNX Runtime | Paddle Inference | TensorRT |
|
||
| :-----------| :-------- | :--------------- | :------- |
|
||
| CPU | 支持 | 支持 | |
|
||
| GPU | | | 支持 |
|
||
|
||
|
||
## 模型量化
|
||
|
||
### 量化方法
|
||
基于PaddleSlim，目前FastDeploy提供的的量化方法有量化蒸馏训练和离线量化，量化蒸馏训练通过模型训练来获得量化模型，离线量化不需要模型训练即可完成模型的量化。 FastDeploy 对两种方式产出的量化模型均能部署。
|
||
|
||
两种方法的主要对比如下表所示:
|
||
| 量化方法 | 量化过程耗时 | 量化模型精度 | 模型体积 | 推理速度 |
|
||
| :-----------| :--------| :-------| :------- | :------- |
|
||
| 离线量化 | 无需训练，耗时短 | 比量化蒸馏训练稍低 | 两者一致 | 两者一致 |
|
||
| 量化蒸馏训练 | 需要训练，耗时稍高 | 较未量化模型有少量损失 | 两者一致 |两者一致 |
|
||
|
||
### 使用FastDeploy一键模型量化工具来量化模型
|
||
Fastdeploy基于PaddleSlim, 为用户提供了一键模型量化的工具，请参考如下文档进行模型量化。
|
||
- [FastDeploy 一键模型量化](../../tools/quantization/)
|
||
当用户获得产出的量化模型之后，即可以使用FastDeploy来部署量化模型。
|
||
|
||
|
||
## 量化benchmark
|
||
|
||
目前, FastDeploy已支持的模型量化如下表所示:
|
||
|
||
### YOLO 系列
|
||
| 模型 |推理后端 |部署硬件 | FP32推理时延 | INT8推理时延 | 加速比 | FP32 mAP | INT8 mAP | 量化方式 |
|
||
| ------------------- | -----------------|-----------| -------- |-------- |-------- | --------- |-------- |----- |
|
||
| [YOLOv5s](../../examples/vision/detection/yolov5/quantize/) | TensorRT | GPU | 14.13 | 11.22 | 1.26 | 37.6 | 36.6 | 量化蒸馏训练 |
|
||
| [YOLOv5s](../../examples/vision/detection/yolov5/quantize/) | ONNX Runtime | CPU | 183.68 | 100.39 | 1.83 | 37.6 | 33.1 |量化蒸馏训练 |
|
||
| [YOLOv5s](../../examples/vision/detection/yolov5/quantize/) | Paddle Inference | CPU | 226.36 | 152.27 | 1.48 |37.6 | 36.8 | 量化蒸馏训练 |
|
||
| [YOLOv6s](../../examples/vision/detection/yolov6/quantize/) | TensorRT | GPU | 12.89 | 8.92 | 1.45 | 42.5 | 40.6|量化蒸馏训练 |
|
||
| [YOLOv6s](../../examples/vision/detection/yolov6/quantize/) | ONNX Runtime | CPU | 345.85 | 131.81 | 2.60 |42.5| 36.1|量化蒸馏训练 |
|
||
| [YOLOv6s](../../examples/vision/detection/yolov6/quantize/) | Paddle Inference | CPU | 366.41 | 131.70 | 2.78 |42.5| 41.2|量化蒸馏训练 |
|
||
| [YOLOv7](../../examples/vision/detection/yolov7/quantize/) | TensorRT | GPU | 30.43 | 15.40 | 1.98 | 51.1| 50.8|量化蒸馏训练 |
|
||
| [YOLOv7](../../examples/vision/detection/yolov7/quantize/) | ONNX Runtime | CPU | 971.27 | 471.88 | 2.06 | 51.1 | 42.5|量化蒸馏训练 |
|
||
| [YOLOv7](../../examples/vision/detection/yolov7/quantize/) | Paddle Inference | CPU | 1015.70 | 562.41 | 1.82 |51.1 | 46.3|量化蒸馏训练 |
|
||
|
||
上表中的数据, 为模型量化前后，在FastDeploy部署的端到端推理性能.
|
||
- 测试数据为COCO2017验证集中的图片.
|
||
- 推理时延为端到端推理(包含前后处理)的平均时延, 单位是毫秒.
|
||
- CPU为Intel(R) Xeon(R) Gold 6271C, GPU为Tesla T4, TensorRT版本8.4.15, 所有测试中固定CPU线程数为1.
|
||
|
||
|
||
### PaddleClas系列
|
||
| 模型 |推理后端 |部署硬件 | FP32推理时延 | INT8推理时延 | 加速比 | FP32 Top1 | INT8 Top1 |量化方式 |
|
||
| ------------------- | -----------------|-----------| -------- |-------- |-------- | --------- |-------- |----- |
|
||
| [ResNet50_vd](../../examples/vision/classification/paddleclas/quantize/) | ONNX Runtime | CPU | 86.87 | 59 .32 | 1.46 | 79.12 | 78.87| 离线量化|
|
||
| [ResNet50_vd](../../examples/vision/classification/paddleclas/quantize/) | TensorRT | GPU | 7.85 | 5.42 | 1.45 | 79.12 | 79.06 | 离线量化 |
|
||
| [MobileNetV1_ssld](../../examples/vision/classification/paddleclas/quantize/) | ONNX Runtime | CPU | 40.32 | 16.87 | 2.39 |77.89 | 75.09 |离线量化 |
|
||
| [MobileNetV1_ssld](../../examples/vision/classification/paddleclas/quantize/) | TensorRT | GPU | 5.10 | 3.35 | 1.52 |77.89 | 76.86 | 离线量化 |
|
||
|
||
上表中的数据, 为模型量化前后，在FastDeploy部署的端到端推理性能.
|
||
- 测试数据为ImageNet-2012验证集中的图片.
|
||
- 推理时延为端到端推理(包含前后处理)的平均时延, 单位是毫秒.
|
||
- CPU为Intel(R) Xeon(R) Gold 6271C, GPU为Tesla T4, TensorRT版本8.4.15, 所有测试中固定CPU线程数为1.
|