一文解析网络压缩算法的原理实现及结果

引言

网络压缩在AI加速中可以说起到“四两拨千斤”的作用，网络参数的减小不仅仅降低了存储和带宽，而且使计算逻辑简单，降低了LUT资源。从本篇开始，我们就一起挖掘一下网络压缩算法的类型，原理，实现，以及效果。写这类算法类文章，一是学习，二是希望能够令更多做FPGA的人，不再将眼光局限于RTL，仿真，调试，关心一下算法，定会发现FPGA的趣味和神通。

网络结构

二值化网络，顾名思义，就是网络参数只有两个数值，这两个数值是+1和-1。在DNN网络中主要是乘和加法运算，如果参数只有两个数值，那么乘法的实现就很简单，仅仅需要符号判断就可以了。比如输入数据A，如果和1乘，不变；和-1乘，变为负数。这用LUT很好实现，还节省了DSP的使用。相对于单精度浮点数，存储减小16倍，带宽也增加16倍。在计算单元数目相同情况下，比浮点运算速率提高了16倍。当然由于乘法和加法使用LUT数目减少，计算单元也会成倍增长，总的下来计算速率将大幅度提高。

网络训练中使用的都是浮点类型参数，这样做是为了保证训练的精度。那么这些浮点类型的参数如何量化的只有两个数值呢？论文中提出了两种方法，第一种是粗暴型，直接根据权重参数的正负，强行分出1和-1。即：

这里wb是二值参数，w是实际权重参数。量化可以看做在原来数据基础上增加了噪声，导致数据间最短距离变大。比如原来数据的分辨率为R0，如果增加一个高斯噪声s，那么其分辨率就增大了。这样在DNN中矩阵乘法中也引入了噪声，为：

数据分辨率的降低导致了有效信息的损失，但是在大量权重情形下，平均下来可以补偿一定的信息损失，即如果有：

那么在权重无穷多时，有：

 

 

图1.1 数据增加了噪声，导致数据分辨率降低

另外一种是随机型，即以一定概率来选择1和-1，论文中采用如下公式：

 

 

其中“hard sigmoid”函数为：

这实际上是对sigmoid函数进行了线性化，这样做的目的可以减少计算量。因为线性计算只有一个乘法和加法，而sigmoid函数有指数计算。使用随机量化更能均衡化量化引入的噪声，消除噪声造成的信息损失。粗暴型量化可能因为权重参数分布不同而发生较大的“不平衡”，比如负数权重较多，那么导致-1远远多于+1，这样就会出现权重偏移在负方向多一些。如果使用随机概率模型，即使负数权重多，也会有一定概率出现+1，弥补了+1较少的情况。

 

 

图1.2 粗暴型和随机型量化：随机型量化的分布更加均匀

训练过程

训练过程主要包括三个部分：

1） 前向传播：给定输入数据，一层一层的计算，前一层激活函数的结果作为下一层的输入；

2） 反向传播：计算每一层代价函数的梯度，从最后一层开始计算，反向计算前一层，一直到计算出第一层的梯度值；

3） 更新参数：根据计算出来的梯度和前一时刻的参数，计算出下一时刻的参数。

计算过程可以用图2.1表示：

 

 

图2.1 训练过程

 

 

图2.2 训练算法

每次量化发生在计算出浮点参数之后，然后在进行前向计算，得到代价函数，进行反向计算代价函数梯度，接着利用前一刻参数计算出下一刻数据，不断迭代直到收敛。

结果

论文在三个数据集上进行了测试：MNIST，CIFAR-10，SVHN。

MNIST有6万张内容为0-9数字的训练图片，以及1万张用于测试的28x28大小的灰度图片。论文研究了两种量化方式下训练时间，以及测试出错率。从中看出随机量化出错率更低，更适合用于二值量化。

 

 

图3.1 不同量化方式下的训练时间以及测试错误率：点线表示训练误差，连续线表示测试错误率

CIFAR-10图片内容比MNIST复杂一些，包含了各种动物。有5万张训练图片和1万张32x32大小的测试图片。

SVHN也是0-9数字图片，含有604K张训练图片和26K的32x32大小的测试图片。以上三种数据集下使用二值网络的结果如下图：

 

 

图3.2 三种数据集结果（错误率）比较

从中看出二值网络错误率几乎和其他网络模型差不多，但是其大大压缩了网络模型。

结论

二值化网络中参数只用两个数值表示，实际上仅仅考虑了权重的符号作用。在三种小型简单的数据集上表现良好。

文献

1 Matthieu Courbariaux, Y.B., Binary Connect Training Deep Neural Networks with binary weights during propagations. ArXiv preprint, 2016.

编辑：hfy