本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。
一顿操作后,需要实时模糊背景的视频,看起来流畅了不少:
实时目标检测的延迟也更低了:
这是谷歌特意为移动设备和Web端开发的一系列新工具,可以在几乎不影响AI模型推理准确性的同时,“修剪”模型大小,以提升模型推理速度。
最好的情况下,能将AI模型的推理速度提升2倍,模型大小“缩水”一半。
这是怎么做到的?
“抽掉”部分网络权重
这一过程,利用了AI、机器学习模型的稀疏性。
稀疏性,指在神经网络模型中,可以将部分网络的权重设置为0,以加快推理速度。
它的实现过程,有点像是玩只抽走积木的叠叠乐游戏。
用户要在保证模型不会“坍塌”的同时,抽走部分参数(将参数设置为0)。
这是因为,AI模型在进行推理任务时,往往涉及大量矩阵乘法运算。
如果能在不影响推理结果的同时,将矩阵中的部分参数设置成0,就能极大地加快矩阵运算速度,缩短推理时间。
目前,许多移动端的轻量级神经网络架构,如MobileNet和EfficientNetLite,主要由深度可分离卷积和1×1卷积组成。
其中1×1卷积耗费的推理时间最多,占总计算量的65%以上。
在MobileNet中,1×1卷积的计算量甚至占模型总推理时间的85%。
因此,1×1卷积层成为了稀疏化的最优选择。
TensofFlow Lite可用
此前,这种利用稀疏性加速推理的方法,应用范围并不广泛。
一个原因,是神经网络本身难以解释,导致稀疏化的过程也不好解释,以至于缺乏稀疏化的工具。
另一个原因,则是相应设备如手机,缺乏对稀疏化操作的支持。
现在,谷歌特意为移动设备和Web端,发布了一系列针对TensorFlow Lite、和XNNPACK浮点加速库的稀疏化新工具。
利用这些稀疏化工具,神经网络就能变得更高效,用户也能快速上手。
其中,XNNPACK库包含了能检测模型是否稀疏的方法,TF Lite工具包中则包含基于幅度的修剪、或RigL等让模型“缩水”的方法。
整体稀疏化的过程如下:
- 首先,从原始模型开始训练,在过程中逐渐将网络中的部分权重设置为0,即“修剪”模型。
- 然后,通过适当增加训练时间,提升模型准确度(不会比修剪前的模型差太多)。
- 最后,获得的稀疏AI推理模型,可以以压缩格式有效存储,比原始模型要更小。
这个工具支持一系列感知算法模型,包括MediaPipe的手部跟踪模型:
以及Google Meet中的背景替换模型:
当然,除了谷歌自带的AI模型以外,这些稀疏化工具也可以用在自己设计的AI模型中。
具体效果如何呢?
推理速度快2倍
下图是原始模型和稀疏模型的对比。
其中,蓝色和黄色,分别对应原始模型的32帧/秒、和16帧/秒的模型大小,红色和绿色则是稀疏模型对应的大小。
从图中可以看见,经过“修剪”的AI模型,无论是“手部跟踪”、还是“背景替换”,模型大小都降低了接近一半以上。
而且,随着稀疏程度的提高,推理时间也几乎呈直线下降趋势。
但也要注意,不能一味地稀疏化模型,因为当模型的稀疏化程度高于70%的时候,模型的精度就会出现明显的下降。
因此,模型的实际稀疏效果,还是会和理论上有所出入。
在实际应用上,Google Meet推理时间只降低了30%,但也已经非常不错了。
还在发愁自己的AI模型太大,在移动设备中运行效果不好的小伙伴,可以试着将自己的模型“缩缩水”了~
项目地址:
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/delegates/xnnpack/README.md#sparse-inference