Segment Anything量化加速有多强！

前言

“分割一切，大家一起失业！”——近期，这样一句话在社交媒体上大火！这讲的就是 Segment Anything Model（简称 “SAM” ）。SAM 到底是什么？它具备哪些功能？它真的有这么强大吗？让我们一起通过本文了解详情！

SAM 是一个由 Meta AI 实验室推出的强大人工智能图像分割应用，可以自动识别哪些图像像素属于一个对象，并且对图像中各个对象进行自动风格处理，可广泛用于分析科学图像、编辑照片等。

SAM 的完整应用由一个图片编码器模型（encoder）以及掩码解码（mask decoder） + 提示编码模型（prompt encoder）构成，这两部分都可以被解析为独立的静态模型。其中大部分的算力负载和推理延时都集中在图片编码器任务，因此如果进一步提升图片编码器部分的执行效率，就成为了 SAM 应用的主要优化方向之一。

图：SAM 模型任务pipeline

本次分享将重点演示如何通过 OpenVINO的 NNCF 模型压缩工具实现对 SAM 编码器部分的量化压缩，实现在 CPU 侧的性能提升。

01

量化介绍

在正式开始实战之前，我们不得不提一下量化的概念，量化是指在不改变模型结构的情况下，将模型参数的表达区间从 FP32 映射到 INT8 或是 INT4 范围，用更小数值位宽来表示相同的信息，实现对于模型体积的压缩，降低内存消耗，同时在模型网络的执行过程中，系统会自动调用硬件平台专门针对低比特数据优化的指令集或 kernel 函数，提升性能。

图：SAM不同精度数据的表示位宽

Intel AVX512 VNNI 扩展指令集实现了将原本需要 3 个时钟周期才能完成的 INT8 矩阵点乘与加法运算压缩到一个时钟周期，而在最新的 AMX 指令集更是将多个 VNNI 模块进行堆叠实现了单周期内成倍的性能提升。

图：INT8 矩阵点乘与加法运算指令集优化

02

NNCF 训练后量化模式

NNCF 工具的全称是Neural Network Compression Framework，是 OpenVINO 工具链中专门用于模型压缩加速的方案实现，包含量化，剪枝，二值化等多种模型压缩算法，调用方式又可以分化为训练后量化 (PTQ)和训练时压缩 (QAT)两种模式，训练时压缩要需要引入原始的训练脚本和数据集，而训练后量化则可以直接针对训练生成模型文件进行压缩，无需额外的训练脚本和标注数据集参与，这也是 NNCF 在 OpenVINO 2023.0 正式发布的新功能特性, 而这个模式也仅仅需要以下步骤便可实现：

1. 准备校验数据集

这里的校验数据仅用作量化过程中对数据表示范围与分布的计算，因此不需要额外的标签数据，例如在图像识别任务中，我们仅需要送入 200-300 张左右的图片文件即可。此外我们还需要定义 DataLoader 对象与 transform_fn 数据转换函数， DataLoader 用于读取校验数据集中的每一个元素，transform_fn 用于将读取的元素转化为 OpenVINO 模型推理的直接输入数据。

 import nncf
calibration_loader = torch.utils.data.DataLoader(...)
def transform_fn(data_item):
  images, _ = data_item
  return images
calibration_dataset = nncf.Dataset(calibration_loader, transform_fn)

向右滑动查看完整代码

2. 运行模型量化

首先需要导入模型对象，然后通过 nncf.quantize() 接口，将模型对象与校验数据集绑定开启量化任务，NNCF 工具可以支持多种模型对象类型，包含openvino.runtime.Model,torch.nn.Module,onnx.ModelProto以及 tensorflow.Module

model = ... #OpenVINO/ONNX/PyTorch/TF object
quantized_model = nncf.quantize(model, calibration_dataset) 

向右滑动查看完整代码

3.（可选）准确性控制模式

如果发现 NNCF 在默认模式下的导出的模型准确性下降超过预期，我们也可以使用准确性控制模式（accuracy control）完成训练后量化，此时我们需要加入带标签的测试集数据，用来评估模型在量化过程中哪些 layer 对模型准确性损失的影响（敏感度）比较大，并作为排序依据，依次将这些 layer 回退至原始精度，直到模型符合预期准确性表现。通过这个模式，我们可以在保证模型准确性的情况下，尽可能压缩模型体积，实现性能和准确性之间的平衡。

04

Segment Anything + NNCF 实战

接下来让我们具体一步步看下如何使用 NNCF 的 PTQ 模式完成 SAM encoder 的量化。

1. 定义数据加载器

本示例使用 coco128 作为校验数据集，其中包含 128 张 .jpg 格式的图片。由于在量化 ONNX 或 IR 静态模型的情况下，数据加载器必须是一个 torch 的 DataLoader 类，因此这里我们需要继承 torch.utils.data.Dataset 并重新构建一个数据集类，其中必须包含__getitem__方法，用于遍历数据集中的每一个对象，__len__用于获取数据集的对象数量，最后再通过 torch.utils.data.DataLoader 方法生成数据加载器。

class COCOLoader(data.Dataset):
  def __init__(self, images_path):
    self.images = list(Path(images_path).iterdir())


  def __getitem__(self, index):
    image_path = self.images[index]
    image = cv2.imread(str(image_path))
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    return image
  
  def __len__(self):
    return len(self.images)
  
coco_dataset = COCOLoader(OUT_DIR / 'coco128/images/train2017')
calibration_loader = torch.utils.data.DataLoader(coco_dataset)

向右滑动查看完整代码

2. 定义数据格式转化模块

下一步是定义数据转化模块，我们可以调用之前定义 preprocess_image 函数完成数据的预处理，值得注意的是由于 calibration_loader 模块返回的单个数据对象为 torch tensor 类型，而 OpenVINO 的 Python 接口不支持该类型数据，我们需要先将其强制转化为 numpy 格式。

def transform_fn(image_data):
  image = image_data.numpy()
  processed_image = preprocess_image(np.squeeze(image))
  return processed_image


calibration_dataset = nncf.Dataset(calibration_loader, transform_fn)

向右滑动查看完整代码

3. 运行 NNCF 量化

为了确保量化后的模型准确性，这里我们使用原始的 FP32 ONNX 格式模型作为输入对象，而不是 FP16 的 IR 格式模型，然后再将该对象送入 nncf.quantize 接口执行量化，该函数接口中有几个比较重要的额外参数：

# Load FP32 ONNX model
model = core.read_model(onnx_encoder_path)
quantized_model = nncf.quantize(model,
                calibration_dataset,
                model_type=nncf.parameters.ModelType.TRANSFORMER,
                preset=nncf.common.quantization.structs.QuantizationPreset.MIXED)
ov_encoder_path_int8 = "sam_image_encoder_int8.xml"
serialize(quantized_model, ov_encoder_path_int8)

向右滑动查看完整代码

model_type：模型类别，用于开启特殊的量化策略，例如在类 Transformer 模型中，我们需要优先保证模型的准确性。

preset：量化模式，默认为 PERFORMANCE，使用对卷积的权重和偏置均采用对称量化算法，有助于提升模型性能，此处为了提升模型准确性，我们采用 MIXED 模式，采用权重对称量化，偏置非对称量化的方法，适合模型中包含非 Relu 或者非对称的激活层。

由于 SAM encoder 模型的网络结构比较复杂，而量化过程中我们需要多次遍历模型每一个 layer 的参数，所以量化耗时相对会长一些，请大家耐心等待。这边建议使用 32G 以上内存的硬件设备，如果遇到内存不够的情况，可以通过 subset_size=100 参数，适当降低校验数据数量。

4. 模型准确性比较

接下来我们比较下 INT8 和 FP16 模型的推理结果：

左右滑动查看 prompt 模式 FP16 – INT8 结果比较

左右滑动查看 auto 模式 FP16 – INT8 结果比较

可以看到在 prompt 和 auto 模式下，INT8 模型的准确性相较 FP16 模型，几乎没有任何变化。

注：auto 模式下，mask 将使用随机生成的颜色。

5. 性能比较

最后我们通过OpenVINO自带的 benchmark_app 工具比较下性能指标：

[ INFO ] Execution Devices:['CPU']
[ INFO ] Count:      60 iterations
[ INFO ] Duration:     75716.93 ms
[ INFO ] Latency:
[ INFO ]  Median:    14832.33 ms
[ INFO ]  Average:    14780.77 ms
[ INFO ]  Min:      10398.47 ms
[ INFO ]  Max:      16725.65 ms
[ INFO ] Throughput:  0.79 FPS

Benchmark结果（FP16）

[ INFO ] Execution Devices:['CPU']
[ INFO ] Count:      72 iterations
[ INFO ] Duration:     68936.14 ms
[ INFO ] Latency:
[ INFO ]  Median:    11281.87 ms
[ INFO ]  Average:    11162.87 ms
[ INFO ]  Min:      6736.09 ms
[ INFO ]  Max:      12547.48 ms
[ INFO ] Throughput:  1.04 FPS

Benchmark 结果 （INT8）

可以看到在 CPU 端，INT8 模型相较 FP16 提升了大约 30%， 体积从原本的 350MB 压缩到了 100MB 不到。

05

总结

鉴于 SAM 出色的自动化分割能力，相信未来会有越来越多应用场景会部署这项技术，而在产业化落地的过程中，开发者往往最关注的就是性能和准确性之间的平衡，以此获取成本更优的方案。OpenVINO NNCF 工具通过对 Segment Anything encoder 部分的量化压缩，在几乎没有影响模型准确性的情况下，显著提升模型的运行效率，降低模型占用空间。

审核编辑：刘清