在部署神經(jīng)網(wǎng)絡(luò)時，考慮如何使網(wǎng)絡(luò)運行更快或占用更少的空間是很有用的。一個更高效的網(wǎng)絡(luò)可以在有限的時間預(yù)算內(nèi)做出更好的預(yù)測，對意外的輸入做出更快的反應(yīng)，或者適應(yīng)受限的部署環(huán)境。

稀疏性是一種有希望達到這些目標的優(yōu)化技術(shù)。如果網(wǎng)絡(luò)中有零，則不需要對其進行存儲或操作。稀疏的好處似乎很簡單。要實現(xiàn)承諾的收益，長期以來存在三個挑戰(zhàn)。

Acceleration – 細粒度、非結(jié)構(gòu)化、權(quán)重稀疏缺乏結(jié)構(gòu)，無法使用高效硬件中可用的向量和矩陣指令來加速常見的網(wǎng)絡(luò)操作。標準稀疏格式對于除高稀疏以外的所有格式都是低效的。

Accuracy – 為了實現(xiàn)具有細粒度、非結(jié)構(gòu)化稀疏性的有用加速，必須使網(wǎng)絡(luò)稀疏，這通常會導(dǎo)致精度損失。嘗試使加速更容易的替代修剪方法，例如去除權(quán)重塊、通道或整個層的粗粒度修剪，可能更快地遇到精度問題。這限制了潛在的性能優(yōu)勢。

Workflow – 當(dāng)前在網(wǎng)絡(luò)修剪方面的許多研究都可以作為有用的存在性證明。研究表明，網(wǎng)絡(luò) A 可以實現(xiàn)稀疏性 X 。當(dāng)您嘗試將稀疏性 X 應(yīng)用于網(wǎng)絡(luò) B 時，麻煩就來了。由于網(wǎng)絡(luò)、任務(wù)、優(yōu)化器或任何超參數(shù)的不同，它可能無法工作。

在本文中，我們將討論 NVIDIA 安培體系結(jié)構(gòu)如何應(yīng)對這些挑戰(zhàn)。今天， NVIDIA 發(fā)布了 TensorRT 版本 8 。 0 ，它引入了對 NVIDIA 安培體系結(jié)構(gòu) GPU 上可用的稀疏張量核的支持。

TensorRT 是一個用于高性能深度學(xué)習(xí)推理的 SDK ，它包括一個優(yōu)化器和運行時，可以最大限度地減少延遲和提高生產(chǎn)中的吞吐量。稀疏張量核通過一個簡單的訓(xùn)練流程和 TensorRT 8 。 0 部署，可以消除神經(jīng)網(wǎng)絡(luò)中不必要的計算，與密集網(wǎng)絡(luò)相比，可以獲得 30% 以上的性能/瓦特增益。

稀疏張量核加速了 2 ： 4 細粒度結(jié)構(gòu)稀疏性

NVIDIA A100 GPU 為其張量核增加了對細粒度結(jié)構(gòu)稀疏性的支持，稀疏張量核加速了 2 ： 4 的稀疏模式。在四個值的每個連續(xù)塊中，兩個值必須為零。這自然會導(dǎo)致 50% 的稀疏度，這是細粒度的。沒有矢量或塊結(jié)構(gòu)修剪在一起。這樣的規(guī)則模式易于壓縮，并且元數(shù)據(jù)開銷較低（圖 1 ）。

圖 1 。 2 ： 4 結(jié)構(gòu)稀疏矩陣 W 及其壓縮表示

稀疏張量核通過只對壓縮矩陣中的非零值進行運算來加速這種格式。它們使用與非零一起存儲的元數(shù)據(jù)僅從另一個未壓縮的操作數(shù)中提取必要的值。因此，對于 2x 的稀疏性，它們可以在一半的時間內(nèi)完成相同的有效計算。表 1 顯示了稀疏張量核支持的各種數(shù)據(jù)類型的詳細信息。

表 1 。稀疏張量核在 NVIDIA 安培結(jié)構(gòu)中的性能。

2 ： 4 結(jié)構(gòu)化稀疏網(wǎng)絡(luò)保持精度

當(dāng)然，沒有良好的準確性，性能是毫無意義的。我們開發(fā)了一個簡單的培訓(xùn)工作流程，可以輕松生成 2 ： 4 結(jié)構(gòu)化稀疏網(wǎng)絡(luò)，匹配密集網(wǎng)絡(luò)的精度：

從密集的網(wǎng)絡(luò)開始。我們的目標是從一個已知的好模型開始，該模型的權(quán)重已經(jīng)收斂，從而得到有用的結(jié)果。

在稠密網(wǎng)絡(luò)上，對權(quán)值進行剪枝以滿足 2 ： 4 的結(jié)構(gòu)稀疏性準則。在每四個元素中，只刪除兩個。

重復(fù)原來的培訓(xùn)程序。

此工作流在步驟 2 中使用一次修剪。在修剪階段之后，稀疏模式被修復(fù)。有很多方法可以做出修剪的決定。哪些權(quán)重應(yīng)該保留，哪些權(quán)重應(yīng)該強制為零？我們發(fā)現(xiàn)一個簡單的答案很有效：重量大小。我們更喜歡刪減已經(jīng)接近零的值。

正如您所料，突然將網(wǎng)絡(luò)中的一半權(quán)重變?yōu)榱銜绊懢W(wǎng)絡(luò)的精度。第三步通過足夠多的權(quán)重更新步驟來恢復(fù)精度，讓權(quán)重收斂，并且有足夠高的學(xué)習(xí)率讓權(quán)重充分移動。在廣泛的網(wǎng)絡(luò)中，它生成一個稀疏模型，從步驟 1 開始保持密集網(wǎng)絡(luò)的精度。

表 2 是我們使用 PyTorch 庫 自動稀疏（ ASP ） 中實現(xiàn)的此工作流獲得的 FP16 精度結(jié)果示例。有關(guān) FP16 和 INT8 的完整結(jié)果的更多信息，請參閱 加速稀疏深度神經(jīng)網(wǎng)絡(luò) 白皮書。

表 2 。用我們的配方訓(xùn)練的 2 ： 4 結(jié)構(gòu)化稀疏網(wǎng)絡(luò)的樣本精度。

案例研究： ResNeXt-10132x8d

以下是以 ResNeXt-10132x8d 為目標使用工作流的簡單程度。

生成稀疏模型

您使用 torchvision 預(yù)訓(xùn)練的 model ，因此步驟 1 已經(jīng)完成。因為您使用的是 ASP ，所以第一個代碼更改是導(dǎo)入庫：

加載此訓(xùn)練運行的預(yù)訓(xùn)練模型。不過，與其訓(xùn)練密集權(quán)重，不如在訓(xùn)練循環(huán)之前修剪模型并準備優(yōu)化器（工作流的步驟 2 ）：

就這樣。訓(xùn)練循環(huán)正常進行，默認命令從預(yù)訓(xùn)練模型開始，該模型重用原始超參數(shù)和優(yōu)化器設(shè)置進行再訓(xùn)練：

當(dāng)訓(xùn)練完成（第 3 步）時，網(wǎng)絡(luò)精度應(yīng)恢復(fù)到與預(yù)訓(xùn)練模型的精度相匹配，如表 2 所示。通常，性能最好的檢查點可能不是來自最后一個歷元。

準備推理

對于推理，使用 TensorRT 8 。 0 導(dǎo)入訓(xùn)練模型的稀疏檢查點。在導(dǎo)入 TensorRT 之前，需要將模型從本機框架格式轉(zhuǎn)換為 ONNX 格式?？梢园凑?quickstart/IntroNotebooks GitHub repo 中的筆記本進行轉(zhuǎn)換。

我們已經(jīng)將稀疏 ResNeXt-10132x8d 轉(zhuǎn)換為 ONNX 格式。你可以從 NGC 下載這個模型。如果沒有安裝 NGC ，請使用以下命令安裝 NGC ：

安裝 NGC 后，通過運行以下命令下載 ONNX 格式的稀疏 ResNeXt-10132x8d ：

要將 ONNX 模型導(dǎo)入到 TensorRT ，請克隆 TensorRT repo 并設(shè)置 Docker 環(huán)境，如 NVIDIA / TensorRT 自述 中所述。

進入 trtexec 根目錄后，使用 TensorRT 將稀疏 ONNX 模型轉(zhuǎn)換為 TensorRT 引擎。創(chuàng)建一個目錄以存儲模型和引擎：

將下載的 ResNext ONNX 模型復(fù)制到 /workspace/TensorRT/model 目錄，然后執(zhí)行 trtexec 命令，如下所示：

名為 resnext101 _ engine 。 trt 的新文件創(chuàng)建于/ workspace / TensorRT / model /。 resnext101 _ engine 。 trt 文件現(xiàn)在可以通過以下方法之一序列化以執(zhí)行推斷：

TensorRT 運行時的 C ++或 Python ，如在這個 示例筆記本 中所示

NVIDIA Triton ?聲波風(fēng)廓線儀推斷服務(wù)器

TensorRT 8 。 0 中的性能

將 TensorRT 8 。 0 中的稀疏模型在 A100 GPU 上以不同批量大小進行基準測試顯示了兩個重要趨勢：

性能優(yōu)勢隨著 A100 所做的工作量的增加而增加。更大的批量通常會帶來更大的改進，在高端接近 20% 。

在較小的批處理規(guī)模下， A100 時鐘速度可以保持在較低的水平，使用稀疏性可以將它們推到更低的水平，以獲得相同的性能，從而導(dǎo)致比性能本身更大的功率效率改進，從而獲得高達 36% 的性能/瓦增益。

別忘了，這個網(wǎng)絡(luò)和密集基線的精確度是一樣的。這種額外的效率和性能不需要懲罰的準確性。

圖 2 。性能和能效方面的稀疏性改進（以密集為基準）

概括

稀疏性是神經(jīng)網(wǎng)絡(luò)壓縮和簡化研究的熱點。不過，到目前為止，細粒度稀疏性還沒有兌現(xiàn)其性能和準確性的承諾。我們開發(fā)了 2 ： 4 細粒度結(jié)構(gòu)稀疏性，并將支持直接構(gòu)建到 NVIDIA 安培結(jié)構(gòu)稀疏張量核中。通過這個簡單的三步稀疏再訓(xùn)練工作流，您可以生成與基線精度匹配的稀疏神經(jīng)網(wǎng)絡(luò)， TensorRT 8 。 0 在默認情況下對其進行加速。

關(guān)于作者

About Jeff Pool

Jeff Pool 是深入學(xué)習(xí)體系結(jié)構(gòu)團隊的高級架構(gòu)師，負責(zé)研究高效的 DL 方法。在 2012 年加入 NVIDIA 之后，他對各種體系結(jié)構(gòu)的許多領(lǐng)域做出了貢獻，但最近他一直在使用稀疏神經(jīng)網(wǎng)絡(luò)。 Jeff 擁有計算機科學(xué)博士學(xué)位，專注于高效圖形硬件。

About Abhishek Sawarkar

Abhishek Sawarkar 責(zé)在 NVIDIA Jarvis 框架上開發(fā)和展示以深度學(xué)習(xí)為重點的內(nèi)容。他的背景是計算機視覺和機器學(xué)習(xí)，但目前他正致力于整個 Jarvis 多模式管道，包括 ASR 、 NLP 、 TTS 和 CV 。他是卡內(nèi)基梅隆大學(xué)的一名應(yīng)屆畢業(yè)生，具有電氣和計算機工程碩士學(xué)位。

About Jay Rodge

Jay Rodge 是 NVIDIA 的產(chǎn)品營銷經(jīng)理，負責(zé)深入學(xué)習(xí)和推理產(chǎn)品，推動產(chǎn)品發(fā)布和產(chǎn)品營銷計劃。杰伊在芝加哥伊利諾伊理工學(xué)院獲得計算機科學(xué)碩士學(xué)位，主攻計算機視覺和自然語言處理。在 NVIDIA 之前，杰伊是寶馬集團的人工智能研究實習(xí)生，為寶馬最大的制造廠使用計算機視覺解決問題。

審核編輯：郭婷