深度學(xué)習(xí)模型大小與模型推理速度的探討（1）

作者丨田子宸@知乎（已授權(quán)）

來源丨h(huán)ttps://zhuanlan.zhihu.com/p/411522457

編輯丨極市平臺

導(dǎo)讀

本文對衡量深度學(xué)習(xí)模型大小的一些常用指標，如計算量、參數(shù)量、訪存量、內(nèi)存占用等進行探討，分析這些指標對模型部署推理的影響，尤其是計算量與訪存量對模型推理速度的影響，并給出在不同硬件架構(gòu)下設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)的一些建議。

0、前言

當(dāng)年頭一次實習(xí)做算法的時候，主管給的第一個任務(wù)就是“把一個大的分割模型砍成一個小的”。當(dāng)時并不理解模型“大”、“小”的真正含義，就簡單的選取計算量作為評價指標，瘋狂砍計算量（backbone 換 MobileNet/ShuffleNet、Conv 換成 DepthWise Conv、以及一些奇奇怪怪的融合結(jié)構(gòu)等等），把模型計算量砍了將近 10 倍，結(jié)果一部署發(fā)現(xiàn)速度并沒有快多少，反而是把最初的 ResNet 簡單砍掉幾個 block 效果更好。

也是從那時起接觸了訪存量、流水線、RoofLine 模型等概念，對模型推理速度的問題產(chǎn)生了興趣，從此踏上了深度學(xué)習(xí)推理優(yōu)化的不歸路（劃掉）。

如今做推理優(yōu)化和 HPC 已經(jīng)有一段時間了，還是偶爾能回想起當(dāng)年不懂推理時設(shè)計的與硬件嚴重不匹配的模型。此外在工作中跟研究員溝通時，也會發(fā)現(xiàn)部分研究員對模型大小和模型推理速度的關(guān)系不太了解，設(shè)計出一些很難發(fā)揮硬件計算能力的模型結(jié)構(gòu)。因此在這里對一些用于評價模型大小的指標——計算量、參數(shù)量、訪存量、內(nèi)存占用等指標進行詳細探討，分析這些指標會對模型的部署推理產(chǎn)生何種影響，詳細討論計算量和訪存量對模型推理速度的影響，并給出不同硬件架構(gòu)下設(shè)計高效網(wǎng)絡(luò)結(jié)構(gòu)的一些建議。

本文不僅僅是為了給出網(wǎng)絡(luò)的設(shè)計建議，更是希望能夠有效傳達性能優(yōu)化的基礎(chǔ)理論知識，以及性能分析的基本思路，幫助各位同學(xué)減少網(wǎng)絡(luò)設(shè)計與部署之間的 gap，更高效的完成網(wǎng)絡(luò)設(shè)計與部署工作。非常希望本文能夠?qū)Υ蠹业墓ぷ饔兴鶐椭卜浅g迎大家在評論區(qū)留言探討。

一、常用的模型大小評估指標

目前常用于評價模型大小的指標有：計算量、參數(shù)量、訪存量、內(nèi)存占用等，這些指標從不同維度評價了模型的大小。本節(jié)僅作簡單介紹，熟悉的小伙伴可以跳過此節(jié)，直接看后面的分析與探討。

1. 計算量

計算量可以說是評價模型大小最常用的指標了，很多論文在跟 baseline 進行比較時，都會把計算量作為重要的比較依據(jù)。

計算量是模型所需的計算次數(shù)，反映了模型對硬件計算單元的需求。計算量一般用 OPs (Operations) ，即計算次數(shù)來表示。由于最常用的數(shù)據(jù)格式為 float32，因此也常常被寫作 FLOPs (Floating Point Operations)，即浮點計算次數(shù)。（這里為了跟傳統(tǒng)習(xí)慣保持一致，下文就統(tǒng)一采用 FLOPs 啦）

模型的整體計算量等于模型中每個算子的計算量之和。而每個算子的計算量計算方法各不一致。例如對于 Eltwise Sum 來講，兩個大小均為 (N, C, H, W) 的 Tensor 相加，計算量就是 N x C x H x W；而對于卷積來說，計算量公式為（乘加各算一次）：

PyTorch 有不少工具可以模型計算量，但需要注意的是這些工具有可能會遺漏一些算子的計算量，將其計算量算成 0，從而導(dǎo)致統(tǒng)計的計算量跟實際計算量有輕微的偏差，不過大多數(shù)情況下這些偏差影響不大。

2. 參數(shù)量

早期的論文也很喜歡用參數(shù)量來評價模型大小。

參數(shù)量是模型中的參數(shù)的總和，跟模型在磁盤中所需的空間大小直接相關(guān)。對于 CNN 來說參數(shù)主要由 Conv/FC 層的 Weight 構(gòu)成，當(dāng)然其他的一些算子也有參數(shù)，不過一般忽略不計了。

參數(shù)量往往是被算作訪存量的一部分，因此參數(shù)量不直接影響模型推理性能。但是參數(shù)量一方面會影響內(nèi)存占用，另一方面也會影響程序初始化的時間。

參數(shù)量會直接影響軟件包的大小。當(dāng)軟件包大小是很重要的指標時，參數(shù)量至關(guān)重要，例如手機 APP 場景，往往對 APK 包的大小有比較嚴格的限制；此外有些嵌入式設(shè)備的 Flash 空間很小，如果模型磁盤所需空間很大的話，可能會放不下，因此也會對參數(shù)量有所要求。

除了在設(shè)計模型時減少參數(shù)量外，還可以通過壓縮模型的方式降低軟件包大小。例如 Caffe 和 ONNX 采用的 Protobuf 就會對模型進行高效的編碼壓縮。不過壓縮模型會帶來解壓縮開銷，會一定程度增加程序初始化的時間。

3. 訪存量

訪存量往往是最容易忽視的評價指標，但其實是現(xiàn)在的計算架構(gòu)中對性能影響極大的指標。

訪存量是指模型計算時所需訪問存儲單元的字節(jié)大小，反映了模型對存儲單元帶寬的需求。訪存量一般用 Bytes（或者 KB/MB/GB）來表示，即模型計算到底需要存/取多少 Bytes 的數(shù)據(jù)。

和計算量一樣，模型整體訪存量等于模型各個算子的訪存量之和。對于 Eltwise Sum 來講，兩個大小均為 (N, C, H, W) 的 Tensor 相加，訪存量是 (2 + 1) x N x C x H x W x sizeof(data_type)，其中 2 代表讀兩個 Tensor，1 代表寫一個 Tensor；而對于卷積來說，訪存量公式為：

訪存量對模型的推理速度至關(guān)重要，設(shè)計模型時需要予以關(guān)注。

4. 內(nèi)存占用

內(nèi)存占用是指模型運行時，所占用的內(nèi)存/顯存大小。一般有工程意義的是最大內(nèi)存占用，當(dāng)然有的場景下會使用平均內(nèi)存占用。這里要注意的是，內(nèi)存占用 ≠ 訪存量。

內(nèi)存占用在論文里不常用，主要原因是其大小除了受模型本身影響外，還受軟件實現(xiàn)的影響。例如有的框架為了保證推理速度，會將模型中每一個 Tensor 所需的內(nèi)存都提前分配好，因此內(nèi)存占用為網(wǎng)絡(luò)所有 Tensor 大小的總和；但更多的框架會提供 lite 內(nèi)存模式，即動態(tài)為 Tensor 分配內(nèi)存，以最大程度節(jié)省內(nèi)存占用（當(dāng)然可能會犧牲一部分性能）。

和參數(shù)量一樣，內(nèi)存占用不會直接影響推理速度，往往算作訪存量的一部分。但在同一平臺上有多個任務(wù)并發(fā)的環(huán)境下，如推理服務(wù)器、車載平臺、手機 APP，往往要求內(nèi)存占用可控。可控一方面是指內(nèi)存/顯存占用量，如果占用太多，其他任務(wù)就無法在平臺上運行；另一方面是指內(nèi)存/顯存的占用量不會大幅波動，影響其他任務(wù)的可用性。

5. 小結(jié)

計算量、參數(shù)量、訪存量、內(nèi)存占用從不同維度定義了模型的大小，應(yīng)根據(jù)不同的場合選用合適的指標進行評價。

模型推理速度不單單受模型計算量的影響，也與訪存量和一些其他因素息息相關(guān)。下文將詳細討論影響模型推理速度的因素。

二、計算量越小，模型推理就越快嗎

答案是否定的。

實際上計算量和實際的推理速度之間沒有直接的因果關(guān)系。計算量僅能作為模型推理速度的一個參考依據(jù)。

模型在特定硬件上的推理速度，除了受計算量影響外，還會受訪存量、硬件特性、軟件實現(xiàn)、系統(tǒng)環(huán)境等諸多因素影響，呈現(xiàn)出復(fù)雜的特性。因此，在手頭有硬件且測試方便的情況下，實測是最準確的性能評估方式。

在設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)時，如果有實測的條件，建議在模型迭代早期對性能也進行測試。一些 NAS 的方法也會對搜索出來的網(wǎng)絡(luò)結(jié)構(gòu)進行測速，或者干脆對硬件速度進行了建模，也作為初期搜索的重要參數(shù)。這種方法設(shè)計出來的網(wǎng)絡(luò)在后期部署時，會極大減少因性能問題迭代優(yōu)化的時間和人力開銷。

這里我將討論影響模型在硬件上推理速度的一些因素，一方面希望可以幫助手動/自動設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)的同學(xué)更快的設(shè)計更高效的網(wǎng)絡(luò)結(jié)構(gòu)，另一方面希望當(dāng)模型部署時性能出現(xiàn)問題時能夠為大家提供分析原因的思路。

這一問題我將從如下 3 個點進行討論：

計算密度與 RoofLine 模型

計算密集型算子與訪存密集型算子

推理時間

1. 計算密度與 RoofLine 模型

計算密度是指一個程序在單位訪存量下所需的計算量，單位是 FLOPs/Byte。其計算公式很簡單，很多教材、資料里也稱之為計算訪存比，用于反映一個程序相對于訪存來說計算的密集程度：

RoofLine 模型是一個用于評估程序在硬件上能達到的性能上界的模型，可用下圖表示：

RoofLine 模型

用公式描述：

當(dāng)程序的計算密度I較小時，程序訪存多而計算少，性能受內(nèi)存帶寬限制，稱為訪存密集型程序，即圖中橙色區(qū)域。在此區(qū)域的程序性能上界=計算密度×內(nèi)存帶寬，表現(xiàn)為圖中的斜線，其中斜率為內(nèi)存帶寬的大小。計算密度越大，程序所能達到的速度上界越高，但使用的內(nèi)存帶寬始終為最大值。

反之如果計算密度I較大，程序性能受硬件最大計算峰值（下文簡稱為算力）限制，稱為計算密集型程序，即圖中藍色區(qū)域。此時性能上界=硬件算力，表現(xiàn)為圖中的橫線。此時計算速度不受計算密度影響，但計算密度越大，所需內(nèi)存帶寬就越少。

在兩條線的交點處，計算速度和內(nèi)存帶寬同時到達最大值。

在不同設(shè)備上，同一個程序的性質(zhì)可能發(fā)生變化

在不同設(shè)備上，同一個程序的性質(zhì)可能發(fā)生變化。例如上圖中的程序2，在算力稍弱的設(shè)備2上屬于計算密集型程序，而在算力較強的設(shè)備1上就屬于訪存密集型程序了（感謝評論區(qū)指正）。如果想要充分發(fā)揮設(shè)備1的性能，應(yīng)當(dāng)適當(dāng)加大程序的計算密度（比如到程序3的位置）。

2. 計算密集型算子與訪存密集型算子

網(wǎng)絡(luò)中的算子可以根據(jù)計算密度進行分類。一般來講，Conv、FC、Deconv 算子屬于計算密集型算子；ReLU、EltWise Add、Concat 等屬于訪存密集型算子。

同一個算子也會因參數(shù)的不同而導(dǎo)致計算密度變化，甚至改變性質(zhì)，比如在其他參數(shù)不變的前提下，增大 Conv 的 group，或者減小 Conv 的 input channel 都會減小計算密度。

舉個栗子，對于不同參數(shù)的卷積，計算密度如下：

可以看到，不同參數(shù)下卷積算子的計算密度有很大的差異。第 4 個算子 Depthwise Conv 計算密度僅有 2.346，在當(dāng)下的很多設(shè)備上都屬于訪存密集型算子。

算子的計算密度越大，約有可能提升硬件的計算效率，充分發(fā)揮硬件性能。我們以一個 Intel X86 服務(wù)器平臺為例（10980 XE）。該平臺 CPU 頻率為 4.5 GHz，我們以 16 核為例，其理論 FP32 算力為 4.608 TFLOPs/s，內(nèi)存帶寬理論值為 96 GB/s。在此平臺上的 RoofLine 模型為：

Intel 10980 XE 16 核 RoofLine 模型，以及各個算子的計算密度與性能

該平臺“拐點”的計算密度為 48，計算較為密集的 OP1 和 OP2 處在計算密集區(qū)，能夠達到平臺的算力峰值；而 OP3 和 OP4 處在訪存密集區(qū)，受內(nèi)存帶寬限制不能到達算力峰值，尤其是 OP4，由于計算訪存比過低，計算效率僅有可憐的 4.9%，計算效率并不高。