[[266129]]

本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請(qǐng)至雷鋒網(wǎng)官網(wǎng)申請(qǐng)授權(quán)。

從 2016 年至今，阿里巴巴機(jī)器智能實(shí)驗(yàn)室線下智能團(tuán)隊(duì)開始涉足線下智能領(lǐng)域。探索至今，算法方面，他們提出了自主研發(fā)的模型壓縮方法，新型模型結(jié)構(gòu)和目標(biāo)檢測(cè)框架；工程方面，他們研發(fā)出一套非數(shù)據(jù)依賴的量化訓(xùn)練工具，并且針對(duì)不同硬件平臺(tái)，研發(fā)了高效推理計(jì)算庫(kù)；同時(shí)，他們也和服務(wù)器研發(fā)團(tuán)隊(duì)一起抽象出了一套軟硬件產(chǎn)品化方案，以服務(wù)多樣的業(yè)務(wù)形式，并在真實(shí)業(yè)務(wù)場(chǎng)景中實(shí)驗(yàn)落地。

在今天這篇文章中，阿里翎翀將從算法探索、訓(xùn)練工具、推理框架、產(chǎn)品化和業(yè)務(wù)模式等方面對(duì)此前的工作做出總結(jié)和分享，正文如下，雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng)) AI 科技評(píng)論獲其授權(quán)轉(zhuǎn)載。

算法探索

基于 ADMM 的低比特量化

低比特量化是模型壓縮（ ModelCompression）和推理加速（Inference Acceleration）中一個(gè)核心的問題，目的是將神經(jīng)網(wǎng)絡(luò)中原有的浮點(diǎn)型參數(shù)量化成 1-8Bits 的定點(diǎn)參數(shù)，從而減小模型大小和計(jì)算資源消耗。為了解決這個(gè)問題，我們提出了基于 ADMM（Alternating Direction Method ofMultipliers）的低比特量化方案。在公開數(shù)據(jù)集 ImageNet 上，我們?cè)?Alexnet，ResNet-18，Resnet-50 等經(jīng)典 CNN 網(wǎng)絡(luò)結(jié)構(gòu)上做了實(shí)驗(yàn)，無(wú)論是精度上還是速度上均超過了目前已知的算法。我們可以在 3-bit 上面做到幾乎無(wú)損壓縮。目前該方法已經(jīng)被廣泛應(yīng)用到各種端上目標(biāo)檢測(cè)和圖像識(shí)別的實(shí)際項(xiàng)目中。相關(guān)成果已經(jīng)在 AAAI 2018 上發(fā)表。

 統(tǒng)一量化稀疏框架

量化技術(shù)可以通過簡(jiǎn)化計(jì)算單元（浮點(diǎn)計(jì)算單元->定點(diǎn)計(jì)算單元）提升推理速度。稀疏化( Pruning ) 技術(shù)則是通過對(duì)神經(jīng)網(wǎng)絡(luò)中的通路進(jìn)行裁剪來(lái)減少真實(shí)計(jì)算量。我們很自然的將這兩個(gè)技術(shù)融合到了一起，來(lái)獲取極限的理論加速比。在剪枝過程中，我們采用了漸進(jìn)式的訓(xùn)練方法，并結(jié)合梯度信息決定網(wǎng)絡(luò)中路徑的重要程度。在 ResNet 結(jié)構(gòu)上，我們可以做到 90% 稀疏度下的近似無(wú)損壓縮。

在稀疏化研究過程中，我們發(fā)現(xiàn)了一個(gè)問題，更細(xì)粒度的裁剪往往會(huì)獲得更高的精度，但是代價(jià)是犧牲了硬件友好性，很難在實(shí)際應(yīng)用中獲得理論加速比。在后面的章節(jié)中，我們會(huì)通過兩個(gè)角度來(lái)解決這個(gè)問題：

• 軟硬件協(xié)同設(shè)計(jì)，從軟硬件角度同時(shí)出發(fā)解決問題；

• 新型輕量級(jí)網(wǎng)絡(luò)，從軟件角度設(shè)計(jì)更適合現(xiàn)有硬件的結(jié)構(gòu)。

軟硬件協(xié)同網(wǎng)絡(luò)結(jié)構(gòu)

通過量化和稀疏技術(shù)，我們可以獲得一個(gè)理論計(jì)算量足夠低，所需計(jì)算單元足夠簡(jiǎn)單的深度網(wǎng)絡(luò)模型。下一個(gè)要解決的問題就是我們?nèi)绾螌⑵滢D(zhuǎn)換成一個(gè)真實(shí)推理延時(shí)低的算法服務(wù)。為了挑戰(zhàn)極限的推理加速效果，我們和服務(wù)器研發(fā)團(tuán)隊(duì)一起，從軟硬件聯(lián)合設(shè)計(jì)出發(fā)解決該問題。在該項(xiàng)目中，我們提出了以下幾個(gè)創(chuàng)新點(diǎn)，其中包括：

• 軟硬件協(xié)同設(shè)計(jì)方面，我們針對(duì)硬件物理特性提出了異構(gòu)并行分支結(jié)構(gòu)，***化并行效率。

• 算法方面，我們利用量化、稀疏、知識(shí)蒸餾等技術(shù)，將理論計(jì)算量壓縮到原始模型的 18%。

• 硬件方面，我們通過算子填充技術(shù)解決稀疏計(jì)算帶來(lái)的帶寬問題，利用算子重排技術(shù)平衡 PE 負(fù)載。

通過上述方案，我們只需要 0.174ms 的 latency 就可以完成 resnet-18 復(fù)雜程度的模型推理，達(dá)到業(yè)內(nèi)***水平。該方案在對(duì) latency 敏感的領(lǐng)域具有極大的優(yōu)勢(shì)。相關(guān)成果已經(jīng)在 HotChips 30 上展出。

  

新型輕量級(jí)網(wǎng)絡(luò)

軟硬件協(xié)同設(shè)計(jì)是一個(gè)非常好的推理解決方案，但是改方案的開發(fā)成本和硬件成本都很高。某些特定的場(chǎng)景對(duì)于 latency 和 accuracy 的容忍度比較高（例如人臉抓拍）。為了解決這類需求，我們提出了一種多聯(lián)合復(fù)用網(wǎng)絡(luò)（Multi-Layer Feature Federation Network, MuffNet），該結(jié)構(gòu)同時(shí)具有 3 個(gè)特點(diǎn)：

• 稀疏的拓?fù)浣Y(jié)構(gòu)，同時(shí)更容易獲取高頻響應(yīng)；

• 密集的計(jì)算節(jié)點(diǎn)，保證硬件友好性；

• 針對(duì)低成本硬件充分優(yōu)化，小計(jì)算量下精度提升更明顯；

我們提出的新型網(wǎng)絡(luò)由于每個(gè)單元的計(jì)算比較密集，并不存在過多的碎片操作，是非常適合在通用硬件上運(yùn)行的。在公開數(shù)據(jù)集 ImageNet 上，我們?cè)?40MFLops 計(jì)算量上相比目前業(yè)內(nèi)***的 shufflenet v2 結(jié)構(gòu)，準(zhǔn)確度提升了 2%。

 

端上目標(biāo)檢測(cè)框架

相比圖像識(shí)別類任務(wù)，目標(biāo)檢測(cè)類任務(wù)的適用場(chǎng)景更廣泛。高效的目標(biāo)檢測(cè)框架具有很高的研究?jī)r(jià)值。針對(duì)端上場(chǎng)景，我們提出了一個(gè) LRSSD 框架（light refine single short multiboxdetector），該框架包括以下幾個(gè)特點(diǎn)：

• 簡(jiǎn)化 SSD HEAD，采用共享預(yù)測(cè)層設(shè)計(jì)特征融合模塊；

• 融合不同尺度下信息級(jí)聯(lián)形式的 bbox 回歸；

• 對(duì)檢測(cè)模型做全量化處理。

如上表所示，相同 backbone 網(wǎng)絡(luò)的情況下，我們提出的 LRSSD 在減少 SSD HEAD 計(jì)算量的同時(shí)，mAP 可以穩(wěn)定提升3%-4% 。從另一個(gè)角度來(lái)看，在保證檢測(cè)精度不變的情況下，我們的方法可以將模型復(fù)雜度減少到原來(lái)的 50% 左右。如果再考慮到量化帶來(lái)的速度加成，在相同精度下，相比原有全精度模型，我們可以獲得共約 2-3 倍的真實(shí)速度提升。

小結(jié)

上文給出了我們近 2 年內(nèi)在線下智能—模型壓縮領(lǐng)域所做的一些技術(shù)積累。歸納起來(lái)如下：

• 量化方面：我們可以做到 3-bit 量化幾乎無(wú)損壓縮！

• 稀疏方面：對(duì)于傳統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)，我們可以做到 90% 稀疏度下的幾乎無(wú)損壓縮！

• 軟硬件協(xié)同設(shè)計(jì)方面：我們聯(lián)合服務(wù)器研發(fā)團(tuán)隊(duì)，達(dá)到 0.174ms/張的 resnet18 極限推理速度，目前已知業(yè)內(nèi)***效果！

• 輕量級(jí)網(wǎng)絡(luò)設(shè)計(jì)方面：我們?cè)?40MFlops 計(jì)算量下，相對(duì)目前業(yè)內(nèi)***結(jié)構(gòu)，在 ImageNet 數(shù)據(jù)集上絕對(duì)提升 2%！

• 端上目標(biāo)檢測(cè)方面，我們?cè)诒ＷC精度不變的情況下，速度提升約 2-3 倍！

在技術(shù)探索的同時(shí)，我們也在積極的將上述技術(shù)應(yīng)用到實(shí)際的業(yè)務(wù)中。在這一過程中我們發(fā)現(xiàn)了下列幾個(gè)問題：

• 易用性：業(yè)務(wù)場(chǎng)景往往需要快速的迭代能力和靈活方便的部署能力，因此非標(biāo)準(zhǔn)化的方案很難被廣泛應(yīng)用。

• 理論速度 vs 真實(shí)速度： 除了算法和硬件以外，真實(shí)的模型推理速度是需要一個(gè)高效的工程實(shí)現(xiàn)作為支撐的。

• 集成化 ：線下智能需要同時(shí)考驗(yàn)團(tuán)隊(duì)在硬件和軟件兩方面的實(shí)力，這對(duì)業(yè)務(wù)而言往往太過沉重。

在本文后半部分，我們首先會(huì)針對(duì)上述的幾個(gè)問題介紹我們已經(jīng)做過的嘗試和沉淀出的解決方案。***，我們列出了一些實(shí)例，展示如何在具體的業(yè)務(wù)場(chǎng)景中應(yīng)用線下智能技術(shù)，希望可以給各位同學(xué)一個(gè)更直觀的認(rèn)識(shí)。

訓(xùn)練工具

在實(shí)際業(yè)務(wù)推廣過程中，我們遇到的***個(gè)問題是易用性問題：

不同業(yè)務(wù)往往使用的深度學(xué)習(xí)庫(kù)多種多樣，例如 Caffe, Tensorflow, Mxnet 等等；

不同業(yè)務(wù)使用的基礎(chǔ)技術(shù)差異比較大，有分類識(shí)別、檢測(cè)、分割、語(yǔ)音等等；

不同業(yè)務(wù)的數(shù)據(jù)安全級(jí)別差異比較大，有些可以公開，有些則需要完全物理隔離；

為了讓更多的場(chǎng)景都可以用上我們的服務(wù)，獲得 AI 的紅利，我們提出了一套標(biāo)準(zhǔn)化的量化訓(xùn)練工具。

  

如上圖所示，首先，我們的工具輸入支持多種模型格式（TensorFlow，Caffe，Mxnet 等）。其次，我們提供了兩種不同的模型量化方法，一種是支持不同任務(wù)（分類，檢測(cè)，分割等）的數(shù)據(jù)依賴型壓縮方法（Data Dependent Compression），適用于對(duì)數(shù)據(jù)安全要求不是很高，希望追求精度***化的業(yè)務(wù)；另一種是數(shù)據(jù)非依賴壓縮方法（Data Independent Compression），適用于對(duì)數(shù)據(jù)安全要求高，或者業(yè)務(wù)邏輯不是特別復(fù)雜的場(chǎng)景。

***，在量化工作完成后，我們的工具會(huì)自動(dòng)完成推理圖的優(yōu)化和模型加密，生成可以實(shí)際部署的模型文件。配合對(duì)應(yīng)的推理加速庫(kù)即可在端上運(yùn)行。從易用性和數(shù)據(jù)安全性角度出發(fā)，我們推薦使用數(shù)據(jù)非依賴性的壓縮方法。

目前，該套工具作為 MNN 推薦的量化工具廣泛應(yīng)用在阿里集團(tuán)內(nèi)多個(gè)線下業(yè)務(wù)場(chǎng)景中。

推理框架

實(shí)際中遇到的第二個(gè)問題就是真實(shí)推理速度問題，畢竟光有易用性是不夠的，實(shí)打?qū)嵉臉I(yè)務(wù)效果才是業(yè)務(wù)最想要的。這里我們使用阿里集團(tuán)其他的兄弟團(tuán)隊(duì)提供的推理框架：

• ARM 架構(gòu)： 我們采用淘系技術(shù)團(tuán)隊(duì)研發(fā)的 MNN 作為推理框架；

• GPU 架構(gòu)： 我們采用機(jī)器智能技術(shù)團(tuán)隊(duì)研發(fā)的 falcon_conv 卷積庫(kù)作為推理框架；

• FPGA 架構(gòu)：我們采用服務(wù)器研發(fā)團(tuán)隊(duì)研發(fā)的推理框架。

MNN

MNN 是一個(gè)輕量級(jí)的深度學(xué)習(xí)端側(cè)推理引擎，核心解決深度神經(jīng)網(wǎng)絡(luò)模型在端側(cè)推理運(yùn)行問題，涵蓋深度神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化、轉(zhuǎn)換和推理。目前，MNN 已經(jīng)在手淘、手貓、優(yōu)酷、聚劃算、UC、飛豬、千牛等 20 多個(gè) App 中使用。選用常見的深度神經(jīng)網(wǎng)絡(luò)模型 MobileNet V2 和 SqueezeNet V1.1 作為測(cè)試樣本：Android 方面，以小米 6 為例，MNN 在 CPU 和 GPU 上領(lǐng)先業(yè)界至少 30%；iOS 方面，以 iPhone 7 為例，MNN 在 CPU 和 GPU 上領(lǐng)先業(yè)界至少 15%。

FPGA

FPGA 上的推理框架由服務(wù)器研發(fā)團(tuán)隊(duì)完成。ResNet18 網(wǎng)絡(luò)的推理時(shí)間只需要 0.174ms，目前已知業(yè)內(nèi)***性能。在邊緣計(jì)算產(chǎn)品 alibabaedge 上，基于硬件實(shí)現(xiàn)的高效算子，推理速度為邊緣 GPU 的兩倍。在后面，我們會(huì)結(jié)合產(chǎn)品形態(tài)整體的介紹這一方案。

GPU

falcon_conv 是機(jī)器智能技術(shù)團(tuán)隊(duì)開發(fā)的一款由 CUDA C++編寫，在 Nvidia GPU 上運(yùn)行的低精度卷積庫(kù)，它接受 2 份低精度（INT8）張量作為輸入，將卷積結(jié)果以 float/int32 數(shù)據(jù)輸出，同時(shí)支持卷積后一些常規(guī)操作（scale,batchnorm,relu… ）的合并。我們?cè)趩螐?Tesla P4 GPU 上，對(duì) falcon_conv 的性能與 Nvidia 官方計(jì)算庫(kù) Cudnn v7.1 做了比較，如圖所示。幾乎所有情況 falcon_conv 都優(yōu)于 Cudnn，個(gè)別用例有高至 5 倍的提升，用例選自 RESNET 和 VGG 中耗時(shí)較多的卷積參數(shù)。

產(chǎn)品化

在業(yè)務(wù)支持過程中我們遇到的第三個(gè)問題是集成化，產(chǎn)品化問題。除了手機(jī)類場(chǎng)景外，其他線下業(yè)務(wù)均需要額外的硬件平臺(tái)作為支撐。在早先時(shí)候，我們更多的是依賴第三方提供的硬件設(shè)備，這時(shí)候成本，穩(wěn)定性，可擴(kuò)展性成為制約線下項(xiàng)目拓展的幾個(gè)主要問題。為了解決這些問題，我們根據(jù)以往的項(xiàng)目經(jīng)驗(yàn)，對(duì)硬件設(shè)備進(jìn)行歸納，沉淀出兩類比較通用的線下產(chǎn)品化方案：智能盒子和一體化相機(jī)。每類產(chǎn)品均包含不同型號(hào)，以適應(yīng)不同需求的場(chǎng)景。

 

智能盒子

我們提供的***個(gè)方案為智能盒子方案。我們可以簡(jiǎn)單的把智能盒子當(dāng)作一個(gè)適合于中小型場(chǎng)景的邊緣服務(wù)器。盒子本身提供了多種接口，可以外接 usb/ip 相機(jī)，語(yǔ)音模塊等傳感器。直接本地部署，數(shù)據(jù)安全性高。我們針對(duì)業(yè)務(wù)特點(diǎn)提供了高低兩個(gè)版本的智能盒子。其中，高端版本采用阿里巴巴自研的邊緣計(jì)算產(chǎn)品 Alibaba Edge。除了完善的硬件設(shè)計(jì)和高效的推理框架，該盒子還包含完善的編譯器支持，具有非常好的易用性。低端版本則為純 ARM 的盒子。下面表格給出這兩種盒子在性能，成本和適用場(chǎng)景的一個(gè)對(duì)比。

在這里我們著重介紹一下阿里巴巴自研的邊緣計(jì)算產(chǎn)品 Alibaba Edge，該產(chǎn)品除了具有高達(dá) 3TGFlops 的 AI 計(jì)算能力外，相對(duì)邊緣 GPU 方案有大幅的價(jià)格優(yōu)勢(shì)，同時(shí)具有云端一體化部署功能，產(chǎn)品平臺(tái)化，可快速上線，支持大規(guī)模運(yùn)維。

  

在下面的表格中，我們對(duì)比了 LRSSD300+MobileNetV2 在不同硬件設(shè)備上的運(yùn)行時(shí)間，希望可以給大家一個(gè)更直觀的認(rèn)識(shí)。

 

一體化相機(jī)

我們提供的另一個(gè)集成方案為一體化相機(jī)。一體化相機(jī)特別適合云+端的部署模式：線下做相對(duì)比較簡(jiǎn)單的處理功能，云端則深度處理線下傳回的信息，達(dá)到節(jié)約帶寬，降低云成本的作用。同時(shí)，一體化相機(jī)具有方便部署，批量化生產(chǎn)后成本優(yōu)勢(shì)高的特點(diǎn)。目前一體化相機(jī)已經(jīng)作為一個(gè)重要的載體形式被應(yīng)用到我們所承接的對(duì)集團(tuán)外合作項(xiàng)目中。

業(yè)務(wù)合作

在過去的 2 年間，我們嘗試過多種不同的業(yè)務(wù)模式。在這里我們會(huì)列出主要幾個(gè)不同形式的實(shí)例。

菜鳥未來(lái)園區(qū)

在菜鳥未來(lái)園區(qū)項(xiàng)目中，我們主要負(fù)責(zé)基礎(chǔ)視覺類算法的輸出，由菜鳥智慧園區(qū)團(tuán)隊(duì)同學(xué)負(fù)責(zé)業(yè)務(wù)算法和工程服務(wù)研發(fā)工作。經(jīng)過半年的共同努力，我們先后完成了離崗睡崗檢測(cè)，消防通道異常檢測(cè)，車位占用檢測(cè)，行人越界檢測(cè)，入口計(jì)數(shù)檢測(cè)等多個(gè)功能。

[[266132]]

在項(xiàng)目合作的過程中，我們發(fā)現(xiàn)計(jì)算單元成本高是制約算法大范圍推廣的一個(gè)主要原因。為了解決這個(gè)問題，我們聯(lián)合了服務(wù)器研發(fā)團(tuán)隊(duì)，開發(fā)出一版定制化軟硬件解決方案：該方案的硬件平臺(tái)為我們?cè)谏衔闹刑岬降倪吘売?jì)算產(chǎn)品 Alibaba Edge，同時(shí)配備特別定制的高效模型結(jié)構(gòu)和自研的快速檢測(cè)算法。新版方案在檢測(cè)精度幾乎無(wú)損的情況下，推理速度提升了 4-5 倍，成本相比邊緣 GPU 方案下降了 1/2。

模型壓縮加速

我們協(xié)助阿里集團(tuán)不同業(yè)務(wù)同學(xué)完成對(duì)已有算法模型的量化瘦身與加速工作。例如：手機(jī)端 OCR 識(shí)別、手機(jī)端物體檢測(cè)、手淘實(shí)人認(rèn)證和刷臉登錄/驗(yàn)證、菜鳥自提柜、阿里體育賽事刷臉入場(chǎng)、神州鷹人臉識(shí)別云相冊(cè)等。

總結(jié)與展望

經(jīng)過近兩年的努力，機(jī)器智能技術(shù)實(shí)驗(yàn)室線下智能團(tuán)隊(duì)深耕線下智能領(lǐng)域。

算法方面：我們?cè)诘捅忍亓炕⑾∈杌④浻布f(xié)同設(shè)計(jì)、輕量級(jí)網(wǎng)絡(luò)設(shè)計(jì)、端上目標(biāo)檢測(cè)等多個(gè)方面取得了一定的積累，多項(xiàng)指標(biāo)達(dá)到了業(yè)內(nèi)***水平。

工程方面：我們積累出了一套高靈活性，高數(shù)據(jù)安全性的訓(xùn)練工具 ; 并在合作伙伴的幫助下，在 ARM，F(xiàn)PGA，GPU 等多個(gè)平臺(tái)下達(dá)到了業(yè)內(nèi)***的推理性能。

產(chǎn)品化方面：我們與合作伙伴一起，研發(fā)出適合于不同業(yè)務(wù)場(chǎng)景的智能盒子與一體化相機(jī)。

***，我們很幸運(yùn)可以在集團(tuán)內(nèi)外多個(gè)不同形式的業(yè)務(wù)場(chǎng)景內(nèi)打磨我們的技術(shù)。