评价此页
★ ★ ★ ★ ★
unstable/backend_config_tutorial

（原型）PyTorch BackendConfig 教程#

作者：Andrew Or

BackendConfig API 使开发人员能够将其后端与 PyTorch 量化集成。它目前仅在 FX 图模式量化中受支持，但未来可能会将支持扩展到其他量化模式。在本教程中，我们将演示如何使用此 API 为特定后端自定义量化支持。有关 BackendConfig 背后的动机和实现细节的更多信息，请参阅此README。

假设我们是一名后端开发人员，希望将我们的后端与 PyTorch 的量化 API 集成。我们的后端仅包含两个操作：量化线性操作和量化 conv-relu 操作。在本节中，我们将逐步介绍如何通过使用自定义 BackendConfig，并通过 prepare_fx 和 convert_fx 对示例模型进行量化来实现这一目标。

import torch
from torch.ao.quantization import (
    default_weight_observer,
    get_default_qconfig_mapping,
    MinMaxObserver,
    QConfig,
    QConfigMapping,
)
from torch.ao.quantization.backend_config import (
    BackendConfig,
    BackendPatternConfig,
    DTypeConfig,
    DTypeWithConstraints,
    ObservationType,
)
from torch.ao.quantization.quantize_fx import prepare_fx, convert_fx

1. 为每个量化算子推导参考模式#

对于量化线性操作，假设我们的后端期望参考模式为 [dequant - fp32_linear - quant]，并将其降级为单个量化线性操作。实现这一点的方法是，首先在浮点线性操作前后插入 quant-dequant 操作，以便生成以下参考模型：

quant1 - [dequant1 - fp32_linear - quant2] - dequant2

类似地，对于量化的 conv-relu，我们希望生成以下参考模型，其中方括号中的参考模式将被降级为单个量化的 conv-relu 操作。

quant1 - [dequant1 - fp32_conv_relu - quant2] - dequant2

2. 使用后端约束设置 DTypeConfigs#

在上述参考模式中，DTypeConfig 中指定的输入数据类型将作为 dtype 参数传递给 quant1，而输出数据类型将作为 dtype 参数传递给 quant2。如果输出数据类型是 fp32（如动态量化的情况），那么输出的 quant-dequant 对将不会被插入。这个例子也展示了如何为特定数据类型指定量化范围和缩放范围的限制。

quint8_with_constraints = DTypeWithConstraints(
    dtype=torch.quint8,
    quant_min_lower_bound=0,
    quant_max_upper_bound=255,
    scale_min_lower_bound=2 ** -12,
)

# Specify the dtypes passed to the quantized ops in the reference model spec
weighted_int8_dtype_config = DTypeConfig(
    input_dtype=quint8_with_constraints,
    output_dtype=quint8_with_constraints,
    weight_dtype=torch.qint8,
    bias_dtype=torch.float)

3. 为 conv-relu 设置融合#

请注意，原始用户模型包含独立的 conv 和 relu 操作，因此我们首先需要将 conv 和 relu 操作融合为单个 conv-relu 操作（fp32_conv_relu），然后像量化线性操作一样量化此操作。我们可以通过定义一个接受 3 个参数的函数来设置融合，其中第一个参数表示这是否用于 QAT，其余参数则指向融合模式中的各个项目。

def fuse_conv2d_relu(is_qat, conv, relu):
    """Return a fused ConvReLU2d from individual conv and relu modules."""
    return torch.ao.nn.intrinsic.ConvReLU2d(conv, relu)

4. 定义 BackendConfig#

现在我们拥有了所有必要的组件，可以继续定义我们的 BackendConfig。这里我们为线性操作的输入和输出使用了不同的观察器（将被重命名），因此传递给两个量化操作（quant1 和 quant2）的量化参数将是不同的。对于像线性和卷积这样的带权重的操作，这种情况很常见。

对于 conv-relu 操作，观察类型是相同的。然而，我们需要两个 BackendPatternConfigs 来支持此操作，一个用于融合，一个用于量化。对于 conv-relu 和线性操作，我们都使用上面定义的 DTypeConfig。

linear_config = BackendPatternConfig() \
    .set_pattern(torch.nn.Linear) \
    .set_observation_type(ObservationType.OUTPUT_USE_DIFFERENT_OBSERVER_AS_INPUT) \
    .add_dtype_config(weighted_int8_dtype_config) \
    .set_root_module(torch.nn.Linear) \
    .set_qat_module(torch.nn.qat.Linear) \
    .set_reference_quantized_module(torch.ao.nn.quantized.reference.Linear)

# For fusing Conv2d + ReLU into ConvReLU2d
# No need to set observation type and dtype config here, since we are not
# inserting quant-dequant ops in this step yet
conv_relu_config = BackendPatternConfig() \
    .set_pattern((torch.nn.Conv2d, torch.nn.ReLU)) \
    .set_fused_module(torch.ao.nn.intrinsic.ConvReLU2d) \
    .set_fuser_method(fuse_conv2d_relu)

# For quantizing ConvReLU2d
fused_conv_relu_config = BackendPatternConfig() \
    .set_pattern(torch.ao.nn.intrinsic.ConvReLU2d) \
    .set_observation_type(ObservationType.OUTPUT_USE_DIFFERENT_OBSERVER_AS_INPUT) \
    .add_dtype_config(weighted_int8_dtype_config) \
    .set_root_module(torch.nn.Conv2d) \
    .set_qat_module(torch.ao.nn.intrinsic.qat.ConvReLU2d) \
    .set_reference_quantized_module(torch.ao.nn.quantized.reference.Conv2d)

backend_config = BackendConfig("my_backend") \
    .set_backend_pattern_config(linear_config) \
    .set_backend_pattern_config(conv_relu_config) \
    .set_backend_pattern_config(fused_conv_relu_config)

5. 设置满足后端约束的 QConfigMapping#

为了使用上面定义的操作，用户必须定义一个满足 DTypeConfig 中指定约束的 QConfig。更多细节，请参阅 DTypeConfig 的文档。然后，我们将对我们希望量化的模式中使用的所有模块使用这个 QConfig。

# Note: Here we use a quant_max of 127, but this could be up to 255 (see `quint8_with_constraints`)
activation_observer = MinMaxObserver.with_args(quant_min=0, quant_max=127, eps=2 ** -12)
qconfig = QConfig(activation=activation_observer, weight=default_weight_observer)

# Note: All individual items of a fused pattern, e.g. Conv2d and ReLU in
# (Conv2d, ReLU), must have the same QConfig
qconfig_mapping = QConfigMapping() \
    .set_object_type(torch.nn.Linear, qconfig) \
    .set_object_type(torch.nn.Conv2d, qconfig) \
    .set_object_type(torch.nn.BatchNorm2d, qconfig) \
    .set_object_type(torch.nn.ReLU, qconfig)

6. 通过 prepare 和 convert 量化模型#

最后，我们通过将定义的 BackendConfig 传递给 prepare 和 convert 来量化模型。这将生成一个量化的线性模块和一个融合的量化 conv-relu 模块。

class MyModel(torch.nn.Module):
    def __init__(self, use_bn: bool):
        super().__init__()
        self.linear = torch.nn.Linear(10, 3)
        self.conv = torch.nn.Conv2d(3, 3, 3)
        self.bn = torch.nn.BatchNorm2d(3)
        self.relu = torch.nn.ReLU()
        self.sigmoid = torch.nn.Sigmoid()
        self.use_bn = use_bn

    def forward(self, x):
        x = self.linear(x)
        x = self.conv(x)
        if self.use_bn:
            x = self.bn(x)
        x = self.relu(x)
        x = self.sigmoid(x)
        return x

example_inputs = (torch.rand(1, 3, 10, 10, dtype=torch.float),)
model = MyModel(use_bn=False)
prepared = prepare_fx(model, qconfig_mapping, example_inputs, backend_config=backend_config)
prepared(*example_inputs)  # calibrate
converted = convert_fx(prepared, backend_config=backend_config)

>>> print(converted)

GraphModule(
  (linear): QuantizedLinear(in_features=10, out_features=3, scale=0.012136868201196194, zero_point=67, qscheme=torch.per_tensor_affine)
  (conv): QuantizedConvReLU2d(3, 3, kernel_size=(3, 3), stride=(1, 1), scale=0.0029353597201406956, zero_point=0)
  (sigmoid): Sigmoid()
)

def forward(self, x):
    linear_input_scale_0 = self.linear_input_scale_0
    linear_input_zero_point_0 = self.linear_input_zero_point_0
    quantize_per_tensor = torch.quantize_per_tensor(x, linear_input_scale_0, linear_input_zero_point_0, torch.quint8);  x = linear_input_scale_0 = linear_input_zero_point_0 = None
    linear = self.linear(quantize_per_tensor);  quantize_per_tensor = None
    conv = self.conv(linear);  linear = None
    dequantize_2 = conv.dequantize();  conv = None
    sigmoid = self.sigmoid(dequantize_2);  dequantize_2 = None
    return sigmoid

（7. 试验错误的 BackendConfig 设置）#

作为一个实验，这里我们将模型修改为使用 conv-bn-relu 而不是 conv-relu，但使用相同的 BackendConfig，该配置不知道如何量化 conv-bn-relu。结果是，只有线性部分被量化了，而 conv-bn-relu 既没有被融合也没有被量化。

>>> print(converted)

GraphModule(
  (linear): QuantizedLinear(in_features=10, out_features=3, scale=0.015307803638279438, zero_point=95, qscheme=torch.per_tensor_affine)
  (conv): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))
  (bn): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  (relu): ReLU()
  (sigmoid): Sigmoid()
)

def forward(self, x):
    linear_input_scale_0 = self.linear_input_scale_0
    linear_input_zero_point_0 = self.linear_input_zero_point_0
    quantize_per_tensor = torch.quantize_per_tensor(x, linear_input_scale_0, linear_input_zero_point_0, torch.quint8);  x = linear_input_scale_0 = linear_input_zero_point_0 = None
    linear = self.linear(quantize_per_tensor);  quantize_per_tensor = None
    dequantize_1 = linear.dequantize();  linear = None
    conv = self.conv(dequantize_1);  dequantize_1 = None
    bn = self.bn(conv);  conv = None
    relu = self.relu(bn);  bn = None
    sigmoid = self.sigmoid(relu);  relu = None
    return sigmoid

作为另一个实验，这里我们使用默认的 QConfigMapping，它不满足后端指定的数据类型约束。结果是，没有任何东西被量化，因为 QConfigs 被直接忽略了。

>>> print(converted)

GraphModule(
  (linear): Linear(in_features=10, out_features=3, bias=True)
  (conv): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))
  (bn): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  (relu): ReLU()
  (sigmoid): Sigmoid()
)

def forward(self, x):
    linear = self.linear(x);  x = None
    conv = self.conv(linear);  linear = None
    bn = self.bn(conv);  conv = None
    relu = self.relu(bn);  bn = None
    sigmoid = self.sigmoid(relu);  relu = None
    return sigmoid

内置 BackendConfigs#

PyTorch 量化在 torch.ao.quantization.backend_config 命名空间下支持一些内置的原生 BackendConfigs

还有一些其他正在开发中的 BackendConfigs（例如，用于 TensorRT 和 x86 的），但这些目前大多仍处于实验阶段。如果用户希望将一个新的、自定义的后端与 PyTorch 的量化 API 集成，他们可以使用与上述示例中定义原生支持的 BackendConfigs 相同的 API 集合来定义自己的 BackendConfigs。

进一步阅读#

BackendConfig 如何在 FX 图模式量化中使用：pytorch/pytorch

BackendConfig 背后的动机和实现细节：pytorch/pytorch

BackendConfig 的早期设计：pytorch/rfcs

© 版权所有 2024, PyTorch。

使用 PyData Sphinx 主题 0.15.4 构建。

在此页面上
PyTorch 库