加速44%！RT-DETR量化无损压缩优秀实战

RT-DETR 模型是飞桨目标检测套件 PaddleDetection 最新发布的 SOTA 目标检测模型。其是一种基于 DETR 架构的端到端目标检测器，在速度和精度上均取得了 SOTA 性能。在实际部署中，为了追求“更准、更小、更快”的效率能力，本文使用飞桨模型压缩工具 PaddleSlim 中的自动压缩工具（ACT, Auto Compression Toolkit）将针对 RT-DETR 进行量化压缩及部署实战。使用 ACT 工具只需要几十分钟，即可完成量化压缩全流程。在模型精度持平的情况下，RT-DETR 模型体积压缩为原来的四分之一，GPU 推理加速44%。

注：上述表格测试使用 Paddle Inference 开启 TensorRT，由于包含 D2H 拷贝时延，和论文 FP16 FPS 相比略慢。

传送门

https://github.com/PaddlePaddle/PaddleSlim/tree/develop/example/auto_compression/detection RT-DETR 模型快速开始RT-DETR 在一众 YOLO 模型中脱颖而出，成为新 SOTA，它的效果如下图所示。

点击下方文章，获取更多RT-DETR信息：

• 超越YOLOv8，飞桨推出精度最高的实时检测器RT-DETR！
  

为了更方便开发者体验 RT-DETR 的效果，快速跑通从数据校验，模型训练开发到部署的全流程，飞桨在 AI Studio 全新上线了 PaddleX 模型产线。开发者只需要在模型库中选择创建模型产线，即可通过工具箱或者开发者模式快速体验 RT-DETR 模型产线全流程，非常方便易用，欢迎开发者在线体验。

快速体验地址：https://aistudio.baidu.com/aistudio/modelsoverview RT-DETR 模型分析在对 RT-DETR 量化压缩前，我们对它进行了分析。RT-DETR 网络模型主要由两个部分组成，分别是 ResNet 或者 HGNetv2 构成的 backbone 和 RT-DETR 构成的检测头。在模型的 backbone 中有大量的卷积层，此外在检测头中也有大量的矩阵乘计算，这些操作均可进行量化，从模型结构上分析来看，RT-DETR 模型拥有足够的量化加速潜力。我们使用了量化分析工具分析了各层的激活值分布: 大部分激活值分布都比较集中，离群点很少，这对量化很友好。同时我们分析了各层的权重数值分布: 可以看到权重的数据分布基本上符合正态分布，且数值较小，这样的权重分布比较适合量化。分析发现 RT-DETR 有较好的量化压缩潜力，并且为了进一步提升模型部署的性能，我们就开始量化压缩实战吧。 RT-DETR 模型压缩实战 RT-DETR 模型准备PaddleDetection 中提供了官方训练好的使用了不同 backbone 的模型，我们直接使用这些模型作为原始的模型即可。在 PaddleDetection 的环境下按照其流程将模型导出成为静态图模型，这些静态图用于量化压缩和部署测试。

python tools/export_model.py -c configs/rtdetr/rtdetr_r50vd_6x_coco.yml \

             -o weights=https://bj.bcebos.com/v1/paddledet/models/rtdetr_r50vd_6x_coco.pdparams trt=True \

             --output_dir=output_inference

数据集准备

使用 PaddleSlim 自动压缩工具量化模型需要少量的校准数据，这里我们使用标准的 COCO 数据集进行测试，可以按照 PaddleDetection 中数据准备教程进行准备，数据格式如下所示：

>>tree dataset/coco/

├── annotations

│   ├── instances_train2017.json

│   ├── instances_val2017.json

├── train2017

│   ├── 000000000009.jpg

│   │  ...

├── val2017

│   ├── 000000000139.jpg

│   │  ...

数据准备教程：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.6/docs/tutorials/data/PrepareDetDataSet.md 模型量化压缩量化压缩一般是指降低模型存储和计算所用数值的位数，达到减少计算量、存储资源和提升推理速度的效果。在飞桨家族中，PaddleSlim 是一个模型压缩工具库，包含模型剪裁、量化、知识蒸馏、超参搜索和模型结构搜索等一系列模型压缩策略。其中的自动化压缩工具通过无源码的方式，自动对预测模型进行压缩，压缩后模型可直接部署应用。我们使用自动化压缩工具进行模型压缩分为以下3个步骤：

• 准备预处理配置文件
  

数据预处理的配置和 PaddleDetection 中的模型配置对齐即可：

1.EvalReader:

2.  sample_transforms:

3.    - Decode: {}

4.    - Resize: {target_size: [640, 640], keep_ratio: False, interp: 2}

5.    - NormalizeImage: {mean: [0., 0., 0.], std: [1., 1., 1.], norm_type: none}

6.    - Permute: {}

7.  batch_size: 1

8.  shuffle: false

9.  drop_last: false

• 定义量化配置文件
  

定义量化训练的配置文件，Distillation 表示蒸馏参数配置，QuantAware 表示量化参数配置，TrainConfig 表示训练时的训练轮数、优化器等设置。具体超参的设置可以参考 ACT 超参设置文档：https://github.com/PaddlePaddle/PaddleSlim/blob/develop/example/auto_compression/hyperparameter_tutorial.md

1.Global:

2.  reader_config: configs/rtdetr_reader.yml

3.  model_dir: /rtdetr_r50vd_6x_coco/

4.  ……

5.Distillation:

6.  alpha: 1.0

7.  loss: soft_label

8.
9.QuantAware:

10.  onnx_format: true

11.  activation_quantize_type: 'moving_average_abs_max'

12.  quantize_op_types:

13.  - conv2d

14.  - matmul_v2

15.
16.TrainConfig:

17.  train_iter: 1000

18.  eval_iter: 100

19.  learning_rate:  0.00001

20.  optimizer_builder:

21.    optimizer:

22.      type: SGD

23.    weight_decay: 4.0e-05

• 开始运行
  

少量代码就可以开始 ACT 量化训练。启动 ACT 时，需要传入模型文件的路径(model_dir)、模型文件名（model_filename）、参数文件名称(params_filename)、压缩后模型存储路径(save_dir)、压缩配置文件(config)、dataloader和评估精度的 eval_callback。

1.    ac = AutoCompression(

2.        model_dir=global_config["model_dir"],

3.        model_filename=global_config["model_filename"],

4.        params_filename=global_config["params_filename"],

5.        save_dir=FLAGS.save_dir,

6.        config=all_config,

7.        train_dataloader=train_loader,

8.        eval_callback=eval_func)

9.    ac.compress()

以上是精简后的关键代码，如果想快速体验，可以根据下方链接中的示例文档及代码进行体验：

https://github.com/PaddlePaddle/PaddleSlim/tree/develop/example/auto_compression/detection如果使用 GPU 训练，在几十分钟内就可以完成整个压缩过程。训练完成后会在 save_dir 路径下产出 model.pdmodel和model.pdiparams文件。至此，完成了模型训练压缩工作。 RT-DETR 模型部署飞桨原生推理库 Paddle Inference 性能优异，针对不同平台不同的应用场景进行了深度的适配优化，做到高吞吐、低时延，支持了本项目 RT-DETR 模型的 INT8 加速推理。所以在 RT-DETR 量化压缩后，我们使用 Paddle Inference 推理库进行部署。

推理环境准备

• 硬件环境
  

需要一台载有支持 INT8 加速推理的 NVIDIA tesla T4 显卡或者 A10 的推理主主机。

• 软件环境

PaddlePaddle develop 版本我们使用以下代码进行量化模型推理速度和精度测试：https://github.com/PaddlePaddle/PaddleSlim/blob/develop/example/auto_compression/detection/paddle_inference_eval.py具体地，将压缩后的模型拷贝到指定位置，运行指令：

python paddle_inference_eval.py \

   --model_path=./rtdetr_r50_quant/ \

   --reader_config=configs/rtdetr_reader.yml \

   --use_trt=True --precision=int8

值得注意的是，需要运行两次上述指令。第一次运行会收集模型信息并保存 dynamic_shape.txt，用于构建 TensorRT 加速引擎，之后运行会直接加载该文件进行实际预测。最终测试的量化模型的效果如下表所示：

-上表测试环境:Tesla T4，TensorRT 8.6.0，CUDA 11.7，batch_size=1 -上表测试环境:A10，TensorRT 8.6.0，CUDA 11.6，batch_size=1-mAP的指标均在COCO val2017数据集中评测得到，IoU=0.5:0.95⭐Star收藏⭐这么好的项目，欢迎大家点star鼓励并前来体验！https://github.com/PaddlePaddle/PaddleSlim 总结与展望本文对 RT-DETR 检测模型进行了量化压缩的全流程实践，在极小的成本下生成了能高速推理的压缩模型。在 Paddle Inference 中，经过压缩后模型的精度损失几乎可以忽略不计，但是带来的加速效果十分明显，相较于原模型最高加速比为44%。希望看到这篇文章的开发者们，如果想进一步对 RT-DETR 进行模型压缩和部署，可以动手实践一下，亲自体验加速AI模型的快乐，希望 PaddleSlim 和 Paddle Inference 能够助力更多模型的部署落地。

项目地址

• GitHub
  

https://github.com/PaddlePaddle/PaddleSlim

• Gitee
  

https://gitee.com/paddlepaddle/PaddleSlim

拓展阅读

无需训练代码，推理性能提升1.4~7.1倍，业界首个自动模型压缩工具开源!

RT-DETR 快速体验地址

https://aistudio.baidu.com/aistudio/modelsoverview