Compartilhamento de tecnologia

Introdução à poda de modelo

2024-07-12

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Ref:https://www.cnblogs.com/the-art-of-ai/p/17500399.html

1. Introdução ao contexto

Os modelos de aprendizagem profunda alcançaram resultados notáveis ​​em reconhecimento de imagem, processamento de linguagem natural, reconhecimento de fala e outros campos, mas esses modelos geralmente requerem uma grande quantidade de recursos computacionais e espaço de armazenamento. Especialmente em ambientes com recursos limitados, como dispositivos móveis e sistemas embarcados, o tamanho e a complexidade computacional desses modelos muitas vezes tornam-se gargalos que limitam sua aplicação. Portanto, como reduzir ao máximo o tamanho e a complexidade computacional do modelo, mantendo a precisão do modelo, tornou-se uma importante direção de pesquisa.

A tecnologia de poda de modelo é um método eficaz para resolver esse problema.Ao otimizar a estrutura e reduzir os parâmetros do modelo de aprendizagem profunda, o modelo tem um tamanho menor e uma velocidade de execução mais rápida, mantendo a precisão, adaptando-se melhor a diferentes tarefas e ambientes.

2. Princípios básicos

        A tecnologia de poda de modelo refere-se a uma tecnologia para otimização estrutural e redução de parâmetros de modelos de aprendizado profundo. .A tecnologia de poda pode ser dividida emPoda estruturalePoda de parâmetrosDuas formas.

A poda estrutural refere-se à remoção de algunsunidade estrutural desnecessária , como neurônios, núcleos de convolução, camadas, etc., para reduzir a complexidade computacional e o espaço de armazenamento do modelo. Os métodos comuns de poda estrutural incluem: poda de canal, poda de camada, poda de nó, poda de filtro, etc.

A remoção de parâmetros refere-se à extração de dados de modelos de aprendizado profundoRemova alguns parâmetros de peso desnecessários , para reduzir o espaço de armazenamento e a complexidade computacional do modelo, mantendo a precisão do modelo. Os métodos comuns de remoção de parâmetros incluem: regularização L1, regularização L2, remoção de classificação, remoção de hash sensível à localidade, etc.

3. Princípios técnicos

        A ideia central da tecnologia de poda de modelo é reduzir ao máximo o espaço de armazenamento e a complexidade computacional do modelo, mantendo a precisão do modelo.Como unidades estruturais e parâmetros como neurônios, núcleos de convolução e parâmetros de peso em modelos de aprendizado profundo geralmente têm partes redundantes e desnecessárias, a tecnologia de poda pode ser usada para reduzir essas partes redundantes, reduzindo assim o volume do modelo e o efeito da complexidade computacional.

Especificamente, a implementação da tecnologia de poda de modelo pode ser dividida nas seguintes etapas:

(1) Inicializar o modelo; primeiro, inicializar um modelo de aprendizagem profunda e treiná-lo para obter um modelo de linha de base;

(2) Selecionar métodos e estratégias de quantificação de poda; selecionar métodos e estratégias de poda apropriados com base em cenários e necessidades de aplicação específicas. Métodos simples comuns incluem:Poda estrutural e poda de parâmetros;As estratégias comuns incluem: poda global e poda iterativa;

(3) Modelo de poda; com base no método e estratégia de poda selecionados, execute operações de poda especificamente no modelo de aprendizagem profunda, exclua algumas unidades estruturais e parâmetros de peso desnecessários ou defina-os como 0 ou valores muito pequenos;

(4) Retreinar o modelo; as operações de poda podem fazer com que a precisão do modelo diminua; portanto, o modelo podado precisa ser retreinado para restaurar a precisão do modelo;

(5) Ajustar o modelo após o retreinamento, melhorar ainda mais a precisão do modelo;

Código:

  1. import torch
  2. import torch.nn as nn
  3. import torch.optim as optim
  4. import torch.nn.functional as F
  5. from torchvision import datasets, transforms
  6. # 定义一个简单的卷积神经网络
  7. class SimpleCNN(nn.Module):
  8. def __init__(self):
  9. super(SimpleCNN, self).__init__()
  10. self.conv1 = nn.Conv2d(1, 4, kernel_size=3, padding=1) # 4个输出通道
  11. self.conv2 = nn.Conv2d(4, 8, kernel_size=3, padding=1) # 8个输出通道
  12. self.fc1 = nn.Linear(8 * 7 * 7, 64)
  13. self.fc2 = nn.Linear(64, 10)
  14. def forward(self, x):
  15. x = F.relu(self.conv1(x)) # 卷积层1 + ReLU激活函数
  16. x = F.max_pool2d(x, 2) # 最大池化层,池化核大小为2x2
  17. x = F.relu(self.conv2(x)) # 卷积层2 + ReLU激活函数
  18. x = F.max_pool2d(x, 2) # 最大池化层,池化核大小为2x2
  19. x = x.view(x.size(0), -1) # 展平操作,将多维张量展平成一维
  20. x = F.relu(self.fc1(x)) # 全连接层1 + ReLU激活函数
  21. x = self.fc2(x) # 全连接层2,输出10个类别
  22. return x
  23. # 实例化模型
  24. model = SimpleCNN()
  25. # 打印剪枝前的模型结构
  26. print("Model before pruning:")
  27. print(model)
  28. # 加载数据
  29. transform = transforms.Compose([
  30. transforms.ToTensor(), # 转换为张量
  31. transforms.Normalize((0.1307,), (0.3081,)) # 归一化
  32. ])
  33. train_dataset = datasets.MNIST('./data', train=True, download=True, transform=transform) # 加载训练数据集
  34. train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True) # 创建数据加载器
  35. # 定义损失函数和优化器
  36. criterion = nn.CrossEntropyLoss() # 交叉熵损失函数
  37. optimizer = optim.Adam(model.parameters(), lr=0.001) # Adam优化器
  38. # 训练模型
  39. model.train() # 将模型设置为训练模式
  40. for epoch in range(1): # 训练一个epoch
  41. running_loss = 0.0
  42. for data, target in train_loader:
  43. optimizer.zero_grad() # 清零梯度
  44. outputs = model(data) # 前向传播
  45. loss = criterion(outputs, target) # 计算损失
  46. loss.backward() # 反向传播
  47. optimizer.step() # 更新参数
  48. running_loss += loss.item() * data.size(0) # 累加损失
  49. epoch_loss = running_loss / len(train_loader.dataset) # 计算平均损失
  50. print(f'Epoch {epoch + 1}, Loss: {epoch_loss:.4f}')
  51. # 通道剪枝
  52. # 获取卷积层的权重
  53. conv1_weights = model.conv1.weight.data.abs().sum(dim=[1, 2, 3]) # 计算每个通道的L1范数
  54. # 按照L1范数对通道进行排序
  55. sorted_channels = torch.argsort(conv1_weights)
  56. # 选择需要删除的通道
  57. num_prune = 2 # 假设我们要删除2个通道
  58. channels_to_prune = sorted_channels[:num_prune]
  59. print("Channels to prune:", channels_to_prune)
  60. # 删除指定通道的权重和偏置
  61. pruned_weights = torch.index_select(model.conv1.weight.data, 0, sorted_channels[num_prune:]) # 获取保留的权重
  62. pruned_bias = torch.index_select(model.conv1.bias.data, 0, sorted_channels[num_prune:]) # 获取保留的偏置
  63. # 创建一个新的卷积层,并将剪枝后的权重和偏置赋值给它
  64. model.conv1 = nn.Conv2d(in_channels=1, out_channels=4 - num_prune, kernel_size=3, padding=1)
  65. model.conv1.weight.data = pruned_weights
  66. model.conv1.bias.data = pruned_bias
  67. # 同时我们还需要调整conv2层的输入通道
  68. # 获取conv2层的权重并调整其输入通道
  69. conv2_weights = model.conv2.weight.data[:, sorted_channels[num_prune:], :, :] # 调整输入通道的权重
  70. # 创建一个新的卷积层,并将剪枝后的权重赋值给它
  71. model.conv2 = nn.Conv2d(in_channels=4 - num_prune, out_channels=8, kernel_size=3, padding=1)
  72. model.conv2.weight.data = conv2_weights
  73. # 打印剪枝后的模型结构
  74. print("Model after pruning:")
  75. print(model)
  76. # 定义新的优化器
  77. optimizer = optim.Adam(model.parameters(), lr=0.001)
  78. # 重新训练模型
  79. model.train() # 将模型设置为训练模式
  80. for epoch in range(1): # 训练一个epoch
  81. running_loss = 0.0
  82. for data, target in train_loader:
  83. optimizer.zero_grad() # 清零梯度
  84. outputs = model(data) # 前向传播
  85. loss = criterion(outputs, target) # 计算损失
  86. loss.backward() # 反向传播
  87. optimizer.step() # 更新参数
  88. running_loss += loss.item() * data.size(0) # 累加损失
  89. epoch_loss = running_loss / len(train_loader.dataset) # 计算平均损失
  90. print(f'Epoch {epoch + 1}, Loss: {epoch_loss:.4f}')
  91. # 加载测试数据
  92. test_dataset = datasets.MNIST('./data', train=False, transform=transform) # 加载测试数据集
  93. test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=1000, shuffle=False) # 创建数据加载器
  94. # 评估模型
  95. model.eval() # 将模型设置为评估模式
  96. correct = 0
  97. total = 0
  98. with torch.no_grad(): # 关闭梯度计算
  99. for data, target in test_loader:
  100. outputs = model(data) # 前向传播
  101. _, predicted = torch.max(outputs.data, 1) # 获取预测结果
  102. total += target.size(0) # 总样本数
  103. correct += (predicted == target).sum().item() # 正确预测的样本数
  104. print(f'Accuracy: {100 * correct / total}%') # 打印准确率

Para melhorar o desempenho e a eficiência da tecnologia de poda, podem ser considerados os seguintes aspectos de otimização:

  • Escolha estratégias e algoritmos de poda apropriados para melhorar o efeito e a precisão da poda.

  • Ajuste ou aprenda incrementalmente o modelo podado para melhorar ainda mais a precisão e o desempenho do modelo.

  • Use computação paralela e tecnologia de computação distribuída para acelerar o processo de poda e treinamento.