深度學(xué)習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）

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

編輯丨極市平臺

導讀

本文對衡量深度學(xué)習模型大小的一些常用指標，如計算量、參數量、訪(fǎng)存量、內存占用等進(jìn)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(fǎng)存量對模型推理速度的影響，并給出在不同硬件架構下設計網(wǎng)絡(luò )結構的一些建議。

0、前言

當年頭一次實(shí)習做算法的時(shí)候，主管給的第一個(gè)任務(wù)就是“把一個(gè)大的分割模型砍成一個(gè)小的”。當時(shí)并不理解模型“大”、“小”的真正含義，就簡(jiǎn)單的選取計算量作為評價(jià)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構等等），把模型計算量砍了將近 10 倍，結果一部署發(fā)現速度并沒(méi)有快多少，反而是把最初的 ResNet 簡(jiǎn)單砍掉幾個(gè) block 效果更好。

也是從那時(shí)起接觸了訪(fǎng)存量、流水線(xiàn)、RoofLine 模型等概念，對模型推理速度的問(wèn)題產(chǎn)生了興趣，從此踏上了深度學(xué)習推理優(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(shí)間了，還是偶爾能回想起當年不懂推理時(shí)設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(shí)，也會(huì )發(fā)現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，設計出一些很難發(fā)揮硬件計算能力的模型結構。因此在這里對一些用于評價(jià)模型大小的指標——計算量、參數量、訪(fǎng)存量、內存占用等指標進(jìn)行詳細探討，分析這些指標會(huì )對模型的部署推理產(chǎn)生何種影響，詳細討論計算量和訪(fǎng)存量對模型推理速度的影響，并給出不同硬件架構下設計高效網(wǎng)絡(luò )結構的一些建議。

本文不僅僅是為了給出網(wǎng)絡(luò )的設計建議，更是希望能夠有效傳達性能優(yōu)化的基礎理論知識，以及性能分析的基本思路，幫助各位同學(xué)減少網(wǎng)絡(luò )設計與部署之間的 gap，更高效的完成網(wǎng)絡(luò )設計與部署工作。非常希望本文能夠對大家的工作有所幫助，也非常歡迎大家在評論區留言探討。

一、常用的模型大小評估指標

目前常用于評價(jià)模型大小的指標有：計算量、參數量、訪(fǎng)存量、內存占用等，這些指標從不同維度評價(jià)了模型的大小。本節僅作簡(jiǎn)單介紹，熟悉的小伙伴可以跳過(guò)此節，直接看后面的分析與探討。

1. 計算量

計算量可以說(shuō)是評價(jià)模型大小最常用的指標了，很多論文在跟 baseline 進(jìn)行比較時(shí)，都會(huì )把計算量作為重要的比較依據。

計算量是模型所需的計算次數，反映了模型對硬件計算單元的需求。計算量一般用 OPs (Operations) ，即計算次數來(lái)表示。由于最常用的數據格式為 float32，因此也常常被寫(xiě)作 FLOPs (Floating Point Operations)，即浮點(diǎn)計算次數。（這里為了跟傳統習慣保持一致，下文就統一采用 FLOPs 啦）

模型的整體計算量等于模型中每個(gè)算子的計算量之和。而每個(gè)算子的計算量計算方法各不一致。例如對于 Eltwise Sum 來(lái)講，兩個(gè)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(lái)說(shuō)，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(huì )遺漏一些算子的計算量，將其計算量算成 0，從而導致統計的計算量跟實(shí)際計算量有輕微的偏差，不過(guò)大多數情況下這些偏差影響不大。

2. 參數量

早期的論文也很喜歡用參數量來(lái)評價(jià)模型大小。

參數量是模型中的參數的總和，跟模型在磁盤(pán)中所需的空間大小直接相關(guān)。對于 CNN 來(lái)說(shuō)參數主要由 Conv/FC 層的 Weight 構成，當然其他的一些算子也有參數，不過(guò)一般忽略不計了。

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

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

除了在設計模型時(shí)減少參數量外，還可以通過(guò)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(huì )對模型進(jìn)行高效的編碼壓縮。不過(guò)壓縮模型會(huì )帶來(lái)解壓縮開(kāi)銷(xiāo)，會(huì )一定程度增加程序初始化的時(shí)間。

3. 訪(fǎng)存量

訪(fǎng)存量往往是最容易忽視的評價(jià)指標，但其實(shí)是現在的計算架構中對性能影響極大的指標。

訪(fǎng)存量是指模型計算時(shí)所需訪(fǎng)問(wèn)存儲單元的字節大小，反映了模型對存儲單元帶寬的需求。訪(fǎng)存量一般用 Bytes（或者 KB/MB/GB）來(lái)表示，即模型計算到底需要存/取多少 Bytes 的數據。

和計算量一樣，模型整體訪(fǎng)存量等于模型各個(gè)算子的訪(fǎng)存量之和。對于 Eltwise Sum 來(lái)講，兩個(gè)大小均為 (N, C, H, W) 的 Tensor 相加，訪(fǎng)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(gè) Tensor，1 代表寫(xiě)一個(gè) Tensor；而對于卷積來(lái)說(shuō)，訪(fǎng)存量公式為：

訪(fǎng)存量對模型的推理速度至關(guān)重要，設計模型時(shí)需要予以關(guān)注。

4. 內存占用

內存占用是指模型運行時(shí)，所占用的內存/顯存大小。一般有工程意義的是最大內存占用，當然有的場(chǎng)景下會(huì )使用平均內存占用。這里要注意的是，內存占用 ≠ 訪(fǎng)存量。

內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(shí)現的影響。例如有的框架為了保證推理速度，會(huì )將模型中每一個(gè) Tensor 所需的內存都提前分配好，因此內存占用為網(wǎng)絡(luò )所有 Tensor 大小的總和；但更多的框架會(huì )提供 lite 內存模式，即動(dòng)態(tài)為 Tensor 分配內存，以最大程度節省內存占用（當然可能會(huì )犧牲一部分性能）。

和參數量一樣，內存占用不會(huì )直接影響推理速度，往往算作訪(fǎng)存量的一部分。但在同一平臺上有多個(gè)任務(wù)并發(fā)的環(huán)境下，如推理服務(wù)器、車(chē)載平臺、手機 APP，往往要求內存占用可控?？煽匾环矫媸侵竷却?顯存占用量，如果占用太多，其他任務(wù)就無(wú)法在平臺上運行；另一方面是指內存/顯存的占用量不會(huì )大幅波動(dòng)，影響其他任務(wù)的可用性。

5. 小結

計算量、參數量、訪(fǎng)存量、內存占用從不同維度定義了模型的大小，應根據不同的場(chǎng)合選用合適的指標進(jìn)行評價(jià)。

模型推理速度不單單受模型計算量的影響，也與訪(fǎng)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(shí)際上計算量和實(shí)際的推理速度之間沒(méi)有直接的因果關(guān)系。計算量?jì)H能作為模型推理速度的一個(gè)參考依據。

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

在設計網(wǎng)絡(luò )結構時(shí)，如果有實(shí)測的條件，建議在模型迭代早期對性能也進(jìn)行測試。一些 NAS 的方法也會(huì )對搜索出來(lái)的網(wǎng)絡(luò )結構進(jìn)行測速，或者干脆對硬件速度進(jìn)行了建模，也作為初期搜索的重要參數。這種方法設計出來(lái)的網(wǎng)絡(luò )在后期部署時(shí)，會(huì )極大減少因性能問(wèn)題迭代優(yōu)化的時(shí)間和人力開(kāi)銷(xiāo)。

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(dòng)/自動(dòng)設計網(wǎng)絡(luò )結構的同學(xué)更快的設計更高效的網(wǎng)絡(luò )結構，另一方面希望當模型部署時(shí)性能出現問(wèn)題時(shí)能夠為大家提供分析原因的思路。

這一問(wèn)題我將從如下 3 個(gè)點(diǎn)進(jìn)行討論：

計算密度與 RoofLine 模型

計算密集型算子與訪(fǎng)存密集型算子

推理時(shí)間

1. 計算密度與 RoofLine 模型

計算密度是指一個(gè)程序在單位訪(fǎng)存量下所需的計算量，單位是 FLOPs/Byte。其計算公式很簡(jiǎn)單，很多教材、資料里也稱(chēng)之為計算訪(fǎng)存比，用于反映一個(gè)程序相對于訪(fǎng)存來(lái)說(shuō)計算的密集程度：

RoofLine 模型是一個(gè)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：

當程序的計算密度I較小時(shí)，程序訪(fǎng)存多而計算少，性能受內存帶寬限制，稱(chēng)為訪(fǎng)存密集型程序，即圖中橙色區域。在此區域的程序性能上界=計算密度×內存帶寬，表現為圖中的斜線(xiàn)，其中斜率為內存帶寬的大小。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(jiǎn)稱(chēng)為算力）限制，稱(chēng)為計算密集型程序，即圖中藍色區域。此時(shí)性能上界=硬件算力，表現為圖中的橫線(xiàn)。此時(shí)計算速度不受計算密度影響，但計算密度越大，所需內存帶寬就越少。

在兩條線(xiàn)的交點(diǎn)處，計算速度和內存帶寬同時(shí)到達最大值。

在不同設備上，同一個(gè)程序的性質(zhì)可能發(fā)生變化

在不同設備上，同一個(gè)程序的性質(zhì)可能發(fā)生變化。例如上圖中的程序2，在算力稍弱的設備2上屬于計算密集型程序，而在算力較強的設備1上就屬于訪(fǎng)存密集型程序了（感謝評論區指正）。如果想要充分發(fā)揮設備1的性能，應當適當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(fǎng)存密集型算子

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

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

舉個(gè)栗子，對于不同參數的卷積，計算密度如下：

可以看到，不同參數下卷積算子的計算密度有很大的差異。第 4 個(gè)算子 Depthwise Conv 計算密度僅有 2.346，在當下的很多設備上都屬于訪(fǎng)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(gè) 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(gè)算子的計算密度與性能

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