了解用于深入学习的不同模型压缩技术的需求和特点
不管你是计算机视觉新手还是专家，你可能听说过 AlexNet 于2012年赢得了ImageNet挑战赛。这是计算机视觉发展史上的转折点，因为它表明，深度学习模型能够以前所未有的精度完成非常困难的任务。
但是你是否知道 AlexNet有6.2千万训练参数？
另一个广为人知的模型 VGGNet 则有1.38亿训练参数，是AlexNet 的两倍之多。
我们知道，模型层数越多，那么表现的性能越好，那么是否需要关注和强调参数的数量呢？
知名CNN模型的复杂度和准确度
上述模型在机器视觉领域已经是基准了。但是在现实生产场景中，是否会被人们选择部署呢？你是否在实际应用中使用这些模型？
在回答上述问题之前，我们先了解如下背景知识。物联网装备预测在2030年将达到1.25-5千亿台套的规模，并且其中20%都带有摄像头，这是一个130亿的市场。
物联网摄像头设备包括家庭安全摄像头（如Amazon Ring和Google Nest），当您到家时会打开门或在看到未知的人时通知您，智能车辆上的摄像头可帮助您驾驶，停车场的摄像头在您进出时打开大门，物联网摄像头设备的应用场景十分广泛！其中一些物联网设备已经在某种程度上使用人工智能，而其他设备正在慢慢赶上。
许多现实场景的应用程序需要实时的设备处理能力。自动驾驶汽车就是一个很好的例子。为了使汽车在任何道路上安全行驶，它们必须实时观察道路，如果有人走在汽车前面，必须停车。在这种情况下，需要在设备上实时地处理视觉信息和做出决策。
那么，现在回到之前的问题：我们能否使用前述模型部署到生活场景中？
如果你从事的是计算机视觉领域应用和研究，你的应用程序很可能需要物联网设备。主要的挑战是物联网设备资源受限；它们的内存有限，计算能力低。而模型中可训练的参数越多，其规模就越大。深度学习模型的计算时间随着可训练参数个数的增加而增加。此外，与较少参数的模型相比，所消耗的能量和占用的空间也越大。最终的结果是，当模型很大时，深度学习模型很难在资源受限的设备上部署。虽然这些模型已经成功地在实验室中取得了巨大的成果，但它们在许多实际应用中并不可用。
在实验室，通过昂贵的GPU可以实现模型的高效计算，但是在生产场景中，资金、能源、温度等问题使得GPU的计算方式行不通。尽管将这些模型部署在云端能够提供高计算性能和存储使用性，但是却存在高时延的问题，因此不能满足现实应用的需求。
简而言之，人工智能需要在靠近数据源的地方进行处理，最好是在物联网设备本身进行处理！因此，我们可供选择之一就是：减少模型的规模。
在不影响准确性的前提下，制作一个能在边缘设备约束下运行的更小的模型是一个关键的挑战。因为仅仅拥有一个可以在资源受限的设备上运行的小模型是不够的，它应该无论是在准确性和计算速度方面都具有很好的性能。
接下来将介绍几种降低模型规模的方法。
剪枝(Pruning)
修剪通过删除对性能不敏感的冗余、不重要的连接来减少参数的数量。这不仅有助于减小整个模型的大小，而且节省了计算时间和能耗。
剪枝
好处
- 可以在训练时和训练后执行该操作
- 可以改善给定模型的计算时间/模型规模
- 既可以用于卷积网络，也可以用于全连接层
不足
- 相较于直接修改模型结构，剪枝的效果稍逊一筹
- 对于 TensorFlow模型，往往只能减小模型规模，但是不能降低计算时间
原始模型和修剪模型的计算速度、规模差异
量化权值(Quantization)
在DNN中，权重存储为32位浮点数字。量化是通过减少比特数来表示这些权重的思想。权重可以量化为16位、8位、4位甚至1位。通过减少使用的比特数，深度神经网络的规模可以显著减小。
二进制量化
好处
- 可以在训练时和训练后执行该操作
- 既可以用于卷积网络，也可以用于全连接层
不足
- 量化权值使得神经网络更难收敛。为了保证网络具有良好的性能，需要较小的学习速率
- 量化权重使得反向传播不可行，因为梯度不能通过离散神经元反向传播。需要使用近似方法来估计损失函数相对于离散神经元输入的梯度
- TensorFlow的量化感知训练在训练过程中不做任何量化。训练期间只收集统计数据，用于量化训练后的数据。
知识蒸馏(Knowledge distillation)
在知识蒸馏中，一个大型的、复杂的模型是在一个大型数据集上训练的。当这个大的模型能够对看不见的数据进行泛化并表现良好时，它就被传输到一个较小的网络中。较大的网络模型也称为教师模型，较小的网络也称为学生网络。
知识蒸馏
好处
- 如果你有一个预先训练好的教师网络，训练较小的（学生）网络所需的训练数据较少。
- 如果你有一个预先训练好的教师网络，训练较小的（学生）网络所需的时间很短。
- 可以缩小一个网络而不管教师和学生网络之间的结构差异。
不足
- 如果没有预先选练好的教师模型，那么训练学生模型将需要大规模的数据集和较长时间。
选择性注意(Selective Attention)
选择性注意是指把注意力集中在感兴趣的对象或元素上，而抛弃其他对象（通常是背景或其他与任务无关的对象）。它的灵感来自人眼生物学机制。当我们看东西的时候，我们一次只关注一个或几个物体，其他的区域就会模糊。
选择性注意
这就需要在你现有的人工智能系统上添加一个选择性的注意力网络。
好处
- 更短的计算时间
- 规模更小的模型（通过这一方法生成的人脸识别器只有44KB大小）
- 精度保障
不足
- 只支持从头开始的训练
低秩分解
利用矩阵/张量分解来估计信息参数。一个（m，n）维且秩为r的权矩阵A被更小维的矩阵代替。这种技术有助于将大矩阵分解成更小的矩阵。
低秩分解
好处
- 可被用于训练阶段和训练后
- 可被用于卷积网络，也可用于全连接层
- 用于训练阶段时，可以降低训练时间
最棒的是，所有这些技术是相辅相成的。它们可以按原样应用，也可以与一种或多种技术相结合。通过使用剪枝、量化和Huffman编码三级流水线来减小预训练模型的大小，在ImageNet数据集上训练的VGG16模型从550MB降到了11.3MB。
上面讨论的大多数技术都可以应用于预先训练的模型，作为后处理步骤，可以减小模型大小并提高计算速度。但它们也可以在训练期间使用。量化越来越受欢迎，现在已经被引入机器学习框架。我们可以预期修剪很快也会被引入流行的框架中。
在本文中，我们研究了将基于深度学习的模型部署到资源受限设备（如物联网设备）的动机，以及减小模型大小以使其适应物联网设备而不影响准确性的需求。我们还讨论了一些现代技术压缩深度学习模型的利弊。最后，我们谈到了每一种技术可以单独应用，也可以组合使用。
引用
- https://towardsdatascience.com/machine-learning-models-compression-and-quantization-simplified-a302ddf326f2
- Buciluǎ, C., Caruana, R., & Niculescu-Mizil, A. (2006, August). Model compression. In Proceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 535–541).
- Cheng, Y., Wang, D., Zhou, P., & Zhang, T. (2017). A survey of model compression and acceleration for deep neural networks. arXiv preprint arXiv:1710.09282.
- http://mitchgordon.me/machine/learning/2020/01/13/do-we-really-need-model-compression.html
- https://software.intel.com/content/www/us/en/develop/articles/compression-and-acceleration-of-high-dimensional-neural-networks.html
- https://towardsdatascience.com/the-w3h-of-alexnet-vggnet-resnet-and-inception-7baaaecccc96
- https://www.learnopencv.com/number-of-parameters-and-tensor-sizes-in-convolutional-neural-network/
- Véstias, M. P. (2019). A survey of convolutional neural networks on edge with reconfigurable computing. Algorithms, 12(8), 154.
- https://technology.informa.com/596542/number-of-connected-iot-devices-will-surge-to-125-billion-by-2030-ihs-markit-says
- https://www.cisco.com/c/dam/en/us/products/collateral/se/internet-of-things/at-a-glance-c45-731471.pdf
- Mohan, A., Gauen, K., Lu, Y. H., Li, W. W., & Chen, X. (2017, May). Internet of video things in 2030: A world with many cameras. In 2017 IEEE International Symposium on Circuits and Systems (ISCAS) (pp. 1–4). IEEE.
- Blalock, D., Ortiz, J. J. G., Frankle, J., & Guttag, J. (2020). What is the state of neural network pruning?. arXiv preprint arXiv:2003.03033.
- Guo, Y. (2018). A survey on methods and theories of quantized neural networks. arXiv preprint arXiv:1808.04752.
