曠視天元MegEngine開源 CUDA INT4 量化源碼實(shí)現(xiàn)

　　當(dāng)下人工智能技術(shù)正加速發(fā)展，滲透到云、邊、端和應(yīng)用的各個(gè)層面，與海量 IoT 設(shè)備進(jìn)行深度融合，不斷拓展應(yīng)用場(chǎng)景。然而在 AIoT 場(chǎng)景中，嵌入式設(shè)備往往算力有限，難以承載龐大的 AI 模型。如何在資源有限的終端場(chǎng)景實(shí)現(xiàn) AI 模型的有效部署，是加速 AI 落地的重要問題。AI 工程師們研發(fā)了各種試圖縮小模型大小并保持性能的辦法，例如量化和蒸餾。其中，模型量化是將浮點(diǎn)計(jì)算轉(zhuǎn)成低比特定點(diǎn)計(jì)算的一種模型壓縮技術(shù)，可以有效減少模型算力消耗并提升計(jì)算速度，當(dāng)前已經(jīng)在工業(yè)界發(fā)展比較成熟。

　　目前相對(duì)成熟的模型量化方案是 INT8 量化。以 ResNet-50 模型為例，原本需要用 float 32 表示的權(quán)重，量化后只需要使用  INT8 表示，通過這樣的處理，模型體積可以減少到原來的 1/2，再加上 TensorCore 的加持，還會(huì)有近 8 倍的網(wǎng)絡(luò)加速。而如果更進(jìn)一步，將模型用 INT4 表示，可以帶來更多的速度提升。

　　為了推動(dòng)低比特量化技術(shù)的發(fā)展，曠視天元 MegEngine 團(tuán)隊(duì)開源了 INT4 的源碼實(shí)現(xiàn)，這也讓 MegEngine 成為首個(gè)開源 CUDA INT4 源碼實(shí)現(xiàn)的深度學(xué)習(xí)框架。MegEngine 采用均勻線性量化方案，實(shí)現(xiàn)了非對(duì)稱量化和對(duì)稱量化兩種 INT4 的數(shù)據(jù)類型，同時(shí)通過算子融合優(yōu)化、kernel 優(yōu)化等方法，使得量化后的模型可以依然保持較高的精度以及良好的運(yùn)行速度。同樣以 ResNet-50 為例，INT4 相比 INT8 有 1.3 倍的加速。

　　具體代碼實(shí)現(xiàn)可以訪問 GitHub 鏈接(https://github.com/MegEngine/examples )了解詳情。

　　隨著 CUDA INT4 的開源，目前 MegEngine 框架不僅支持浮點(diǎn)數(shù) FP32 和 FP16，而且支持 INT8 和 INT4 的對(duì)稱和非對(duì)稱量化推理。此外，MegEngine 框架開發(fā)了諸多工具，幫助用戶提升模型推理性能、簡(jiǎn)化部署流程，包括自動(dòng)代碼裁剪功能，支持用戶全自動(dòng)的針對(duì)算子進(jìn)行代碼裁剪;TracedModule 方案以及 MegEngine Lite，基于曠視海量業(yè)務(wù)打磨出的模型推理最佳實(shí)踐，化解模型轉(zhuǎn)換部署難題;流程管理工具 FastRun, 可以為每個(gè)計(jì)算自動(dòng)選擇最快的算法，從而保證整個(gè)網(wǎng)絡(luò)的運(yùn)行時(shí)間最短，讓 MegEngine 用戶運(yùn)行不同的網(wǎng)絡(luò)時(shí)都能收獲最好性能。

　　自開源以來，MegEngine 不斷優(yōu)化，已先后發(fā)布 29 個(gè)版本，推出一系列實(shí)用功能，降低 AI 算法生產(chǎn)門檻，助力 AI 應(yīng)用快速落地。未來，曠視將繼續(xù)支持和擁抱開源，并將自身在開源領(lǐng)域積累的技術(shù)和經(jīng)驗(yàn)與業(yè)界共享，推動(dòng)人工智能技術(shù)創(chuàng)新和行業(yè)發(fā)展。