[[386682]]

本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

一頓操作后，需要實時模糊背景的視頻，看起來流暢了不少：

實時目標(biāo)檢測的延遲也更低了：

這是谷歌特意為移動設(shè)備和Web端開發(fā)的一系列新工具，可以在幾乎不影響AI模型推理準(zhǔn)確性的同時，“修剪”模型大小，以提升模型推理速度。

最好的情況下，能將AI模型的推理速度提升2倍，模型大小“縮水”一半。

這是怎么做到的？

“抽掉”部分網(wǎng)絡(luò)權(quán)重

這一過程，利用了AI、機器學(xué)習(xí)模型的稀疏性。

稀疏性，指在神經(jīng)網(wǎng)絡(luò)模型中，可以將部分網(wǎng)絡(luò)的權(quán)重設(shè)置為0，以加快推理速度。

它的實現(xiàn)過程，有點像是玩只抽走積木的疊疊樂游戲。

用戶要在保證模型不會“坍塌”的同時，抽走部分參數(shù)（將參數(shù)設(shè)置為0）。

[[386683]]

這是因為，AI模型在進行推理任務(wù)時，往往涉及大量矩陣乘法運算。

如果能在不影響推理結(jié)果的同時，將矩陣中的部分參數(shù)設(shè)置成0，就能極大地加快矩陣運算速度，縮短推理時間。

目前，許多移動端的輕量級神經(jīng)網(wǎng)絡(luò)架構(gòu)，如MobileNet和EfficientNetLite，主要由深度可分離卷積和1×1卷積組成。

其中1×1卷積耗費的推理時間最多，占總計算量的65%以上。

在MobileNet中，1×1卷積的計算量甚至占模型總推理時間的85%。

因此，1×1卷積層成為了稀疏化的最優(yōu)選擇。

TensofFlow Lite可用

此前，這種利用稀疏性加速推理的方法，應(yīng)用范圍并不廣泛。

一個原因，是神經(jīng)網(wǎng)絡(luò)本身難以解釋，導(dǎo)致稀疏化的過程也不好解釋，以至于缺乏稀疏化的工具。

另一個原因，則是相應(yīng)設(shè)備如手機，缺乏對稀疏化操作的支持。

現(xiàn)在，谷歌特意為移動設(shè)備和Web端，發(fā)布了一系列針對TensorFlow Lite、和XNNPACK浮點加速庫的稀疏化新工具。

利用這些稀疏化工具，神經(jīng)網(wǎng)絡(luò)就能變得更高效，用戶也能快速上手。

其中，XNNPACK庫包含了能檢測模型是否稀疏的方法，TF Lite工具包中則包含基于幅度的修剪、或RigL等讓模型“縮水”的方法。

整體稀疏化的過程如下：

• 首先，從原始模型開始訓(xùn)練，在過程中逐漸將網(wǎng)絡(luò)中的部分權(quán)重設(shè)置為0，即“修剪”模型。
• 然后，通過適當(dāng)增加訓(xùn)練時間，提升模型準(zhǔn)確度（不會比修剪前的模型差太多）。
• 最后，獲得的稀疏AI推理模型，可以以壓縮格式有效存儲，比原始模型要更小。

這個工具支持一系列感知算法模型，包括MediaPipe的手部跟蹤模型：

以及Google Meet中的背景替換模型：

當(dāng)然，除了谷歌自帶的AI模型以外，這些稀疏化工具也可以用在自己設(shè)計的AI模型中。

具體效果如何呢？

推理速度快2倍

下圖是原始模型和稀疏模型的對比。

其中，藍色和黃色，分別對應(yīng)原始模型的32幀/秒、和16幀/秒的模型大小，紅色和綠色則是稀疏模型對應(yīng)的大小。

從圖中可以看見，經(jīng)過“修剪”的AI模型，無論是“手部跟蹤”、還是“背景替換”，模型大小都降低了接近一半以上。

而且，隨著稀疏程度的提高，推理時間也幾乎呈直線下降趨勢。

但也要注意，不能一味地稀疏化模型，因為當(dāng)模型的稀疏化程度高于70%的時候，模型的精度就會出現(xiàn)明顯的下降。

因此，模型的實際稀疏效果，還是會和理論上有所出入。

在實際應(yīng)用上，Google Meet推理時間只降低了30%，但也已經(jīng)非常不錯了。

還在發(fā)愁自己的AI模型太大，在移動設(shè)備中運行效果不好的小伙伴，可以試著將自己的模型“縮縮水”了~

項目地址：
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/delegates/xnnpack/README.md#sparse-inference