引言

網(wǎng)絡壓縮在AI加速中可以說起到“四兩撥千斤”的作用，網(wǎng)絡參數(shù)的減小不僅僅降低了存儲和帶寬，而且使計算邏輯簡單，降低了LUT資源。從本篇開始，我們就一起挖掘一下網(wǎng)絡壓縮算法的類型，原理，實現(xiàn)，以及效果。寫這類算法類文章，一是學習，二是希望能夠令更多做FPGA的人，不再將眼光局限于RTL，仿真，調(diào)試，關(guān)心一下算法，定會發(fā)現(xiàn)FPGA的趣味和神通。

網(wǎng)絡結(jié)構(gòu)

二值化網(wǎng)絡，顧名思義，就是網(wǎng)絡參數(shù)只有兩個數(shù)值，這兩個數(shù)值是+1和-1。在DNN網(wǎng)絡中主要是乘和加法運算，如果參數(shù)只有兩個數(shù)值，那么乘法的實現(xiàn)就很簡單，僅僅需要符號判斷就可以了。比如輸入數(shù)據(jù)A，如果和1乘，不變；和-1乘，變?yōu)樨摂?shù)。這用LUT很好實現(xiàn)，還節(jié)省了DSP的使用。相對于單精度浮點數(shù)，存儲減小16倍，帶寬也增加16倍。在計算單元數(shù)目相同情況下，比浮點運算速率提高了16倍。當然由于乘法和加法使用LUT數(shù)目減少，計算單元也會成倍增長，總的下來計算速率將大幅度提高。

網(wǎng)絡訓練中使用的都是浮點類型參數(shù)，這樣做是為了保證訓練的精度。那么這些浮點類型的參數(shù)如何量化的只有兩個數(shù)值呢？論文中提出了兩種方法，第一種是粗暴型，直接根據(jù)權(quán)重參數(shù)的正負，強行分出1和-1。即：

這里wb是二值參數(shù)，w是實際權(quán)重參數(shù)。量化可以看做在原來數(shù)據(jù)基礎(chǔ)上增加了噪聲，導致數(shù)據(jù)間最短距離變大。比如原來數(shù)據(jù)的分辨率為R0，如果增加一個高斯噪聲s，那么其分辨率就增大了。這樣在DNN中矩陣乘法中也引入了噪聲，為：

數(shù)據(jù)分辨率的降低導致了有效信息的損失，但是在大量權(quán)重情形下，平均下來可以補償一定的信息損失，即如果有：

那么在權(quán)重無窮多時，有：

圖1.1 數(shù)據(jù)增加了噪聲，導致數(shù)據(jù)分辨率降低

另外一種是隨機型，即以一定概率來選擇1和-1，論文中采用如下公式：

其中“hard sigmoid”函數(shù)為：

這實際上是對sigmoid函數(shù)進行了線性化，這樣做的目的可以減少計算量。因為線性計算只有一個乘法和加法，而sigmoid函數(shù)有指數(shù)計算。使用隨機量化更能均衡化量化引入的噪聲，消除噪聲造成的信息損失。粗暴型量化可能因為權(quán)重參數(shù)分布不同而發(fā)生較大的“不平衡”，比如負數(shù)權(quán)重較多，那么導致-1遠遠多于+1，這樣就會出現(xiàn)權(quán)重偏移在負方向多一些。如果使用隨機概率模型，即使負數(shù)權(quán)重多，也會有一定概率出現(xiàn)+1，彌補了+1較少的情況。

圖1.2 粗暴型和隨機型量化：隨機型量化的分布更加均勻

訓練過程

訓練過程主要包括三個部分：

1） 前向傳播：給定輸入數(shù)據(jù)，一層一層的計算，前一層激活函數(shù)的結(jié)果作為下一層的輸入；

2） 反向傳播：計算每一層代價函數(shù)的梯度，從最后一層開始計算，反向計算前一層，一直到計算出第一層的梯度值；

3） 更新參數(shù)：根據(jù)計算出來的梯度和前一時刻的參數(shù)，計算出下一時刻的參數(shù)。

計算過程可以用圖2.1表示：

圖2.1 訓練過程

圖2.2 訓練算法

每次量化發(fā)生在計算出浮點參數(shù)之后，然后在進行前向計算，得到代價函數(shù)，進行反向計算代價函數(shù)梯度，接著利用前一刻參數(shù)計算出下一刻數(shù)據(jù)，不斷迭代直到收斂。

結(jié)果

論文在三個數(shù)據(jù)集上進行了測試：MNIST，CIFAR-10，SVHN。

MNIST有6萬張內(nèi)容為0-9數(shù)字的訓練圖片，以及1萬張用于測試的28x28大小的灰度圖片。論文研究了兩種量化方式下訓練時間，以及測試出錯率。從中看出隨機量化出錯率更低，更適合用于二值量化。

圖3.1 不同量化方式下的訓練時間以及測試錯誤率：點線表示訓練誤差，連續(xù)線表示測試錯誤率

CIFAR-10圖片內(nèi)容比MNIST復雜一些，包含了各種動物。有5萬張訓練圖片和1萬張32x32大小的測試圖片。

SVHN也是0-9數(shù)字圖片，含有604K張訓練圖片和26K的32x32大小的測試圖片。以上三種數(shù)據(jù)集下使用二值網(wǎng)絡的結(jié)果如下圖：

圖3.2 三種數(shù)據(jù)集結(jié)果（錯誤率）比較

從中看出二值網(wǎng)絡錯誤率幾乎和其他網(wǎng)絡模型差不多，但是其大大壓縮了網(wǎng)絡模型。

結(jié)論

二值化網(wǎng)絡中參數(shù)只用兩個數(shù)值表示，實際上僅僅考慮了權(quán)重的符號作用。在三種小型簡單的數(shù)據(jù)集上表現(xiàn)良好。

文獻

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

編輯：hfy