PaddleSlim 發(fā)布 AI 模型自動(dòng)壓縮的工具，帶來(lái)全新升級(jí) AI 模型一鍵自動(dòng)壓縮體驗(yàn)。歡迎廣大開(kāi)發(fā)者使用 NVIDIA 與飛槳聯(lián)合深度適配的 NGC 飛槳容器在 NVIDIA GPU 上體驗(yàn)！

PaddleSlim 自動(dòng)壓縮工具，

30+CV、NLP 模型實(shí)戰(zhàn)

眾所周知，計(jì)算機(jī)視覺(jué)技術(shù)（CV）是企業(yè)人工智能應(yīng)用比重最高的領(lǐng)域之一。為降低企業(yè)成本，工程師們一直在探索各類(lèi)模型壓縮技術(shù)，來(lái)產(chǎn)出“更準(zhǔn)、更小、更快”的 AI 模型部署落地。而在自然語(yǔ)言處理領(lǐng)域（NLP）中，隨著模型精度的不斷提升，模型的規(guī)模也越來(lái)越大，例如以 BERT、GPT 為代表的預(yù)訓(xùn)練模型等，這成為企業(yè) NLP 模型部署落地的攔路虎。

針對(duì)企業(yè)落地模型壓縮迫切的需求，PaddleSlim 團(tuán)隊(duì)開(kāi)發(fā)了一個(gè)低成本、高收益的 AI 模型自動(dòng)壓縮工具（ACT, Auto Compression Toolkit），無(wú)需修改訓(xùn)練源代碼，通過(guò)幾十分鐘量化訓(xùn)練，保證模型精度的同時(shí)，極大的減小模型體積，降低顯存占用，提升模型推理速度，助力 AI 模型的快速落地！

使用 ACT 中的基于知識(shí)蒸餾的量化訓(xùn)練方法訓(xùn)練 YOLOv7 模型，與原始的 FP32 模型相比，INT8 量化后的模型減小 75%，在 NVIDIA GPU 上推理加速 5.90 倍。

?表1 自動(dòng)壓縮工具在 CV 模型上的壓縮效果和推理加速

使用 ACT 中的結(jié)構(gòu)化稀疏和蒸餾量化方法訓(xùn)練 ERNIE3.0 模型，與原始的 FP32 對(duì)比，INT8 量化后的模型減小 185%，在 NVIDIA GPU 上推理加速 6.37 倍。

表2 自動(dòng)壓縮工具在 NLP 模型上的壓縮效果和推理加速

支持如此強(qiáng)大功能的核心技術(shù)是來(lái)源于 PaddleSlim 團(tuán)隊(duì)自研的自動(dòng)壓縮工具。自動(dòng)壓縮相比于傳統(tǒng)手工壓縮，自動(dòng)化壓縮的“自動(dòng)”主要體現(xiàn)在 4 個(gè)方面：解耦訓(xùn)練代碼、離線量化超參搜索、算法自動(dòng)組合和硬件感知。

圖1 傳統(tǒng)手工壓縮與自動(dòng)化壓縮工具對(duì)比

圖2 傳統(tǒng)手工壓縮與自動(dòng)化壓縮工具代碼量對(duì)比

更多詳細(xì)文檔，請(qǐng)參考：

https://github.com/PaddlePaddle/PaddleSlim/tree/develop/example/auto_compression

PaddleSlim 研發(fā)團(tuán)隊(duì)詳解自動(dòng)壓縮工具 CV 模型和NLP模型兩日課回放，可以掃描下方二維碼，加入自動(dòng)壓縮技術(shù)官方交流群獲取。除此之外，入群福利還包括：深度學(xué)習(xí)學(xué)習(xí)資料、歷屆頂會(huì)壓縮論文、百度架構(gòu)師詳解自動(dòng)壓縮等。

NGC 飛槳容器介紹

如果您希望體驗(yàn)自動(dòng)壓縮工具的新特性，歡迎使用 NGC 飛槳容器。NVIDIA 與百度飛槳聯(lián)合開(kāi)發(fā)了 NGC 飛槳容器，將最新版本的飛槳與最新的 NVIDIA 的軟件棧（如 CUDA）進(jìn)行了無(wú)縫的集成與性能優(yōu)化，最大程度的釋放飛槳框架在 NVIDIA 最新硬件上的計(jì)算能力。這樣，用戶(hù)不僅可以快速開(kāi)啟 AI 應(yīng)用，專(zhuān)注于創(chuàng)新和應(yīng)用本身，還能夠在 AI 訓(xùn)練和推理任務(wù)上獲得飛槳+NVIDIA 帶來(lái)的飛速體驗(yàn)。

最佳的開(kāi)發(fā)環(huán)境搭建工具 - 容器技術(shù)。

1. 容器其實(shí)是一個(gè)開(kāi)箱即用的服務(wù)器。極大降低了深度學(xué)習(xí)開(kāi)發(fā)環(huán)境的搭建難度。例如你的開(kāi)發(fā)環(huán)境中包含其他依賴(lài)進(jìn)程（redis，MySQL，Ngnix，selenium-hub 等等），或者你需要進(jìn)行跨操作系統(tǒng)級(jí)別的遷移。

2. 容器鏡像方便了開(kāi)發(fā)者的版本化管理

3. 容器鏡像是一種易于復(fù)現(xiàn)的開(kāi)發(fā)環(huán)境載體

4. 容器技術(shù)支持多容器同時(shí)運(yùn)行

最好的 PaddlePaddle 容器

NGC 飛槳容器針對(duì) NVIDIA GPU 加速進(jìn)行了優(yōu)化，并包含一組經(jīng)過(guò)驗(yàn)證的庫(kù)，可啟用和優(yōu)化 NVIDIA GPU 性能。此容器還可能包含對(duì) PaddlePaddle 源代碼的修改，以最大限度地提高性能和兼容性。此容器還包含用于加速 ETL（DALI，RAPIDS）、訓(xùn)練（cuDNN，NCCL）和推理（TensorRT）工作負(fù)載的軟件。

PaddlePaddle 容器具有以下優(yōu)點(diǎn)：

1. 適配最新版本的 NVIDIA 軟件棧（例如最新版本 CUDA），更多功能，更高性能。

2. 更新的 Ubuntu 操作系統(tǒng)，更好的軟件兼容性

3. 按月更新

4. 滿(mǎn)足 NVIDIA NGC 開(kāi)發(fā)及驗(yàn)證規(guī)范，質(zhì)量管理

通過(guò)飛槳官網(wǎng)快速獲取

環(huán)境準(zhǔn)備

使用 NGC 飛槳容器需要主機(jī)系統(tǒng)（Linux）安裝以下內(nèi)容：

• Docker 引擎

• NVIDIA GPU 驅(qū)動(dòng)程序

• NVIDIA 容器工具包

有關(guān)支持的版本，請(qǐng)參閱 NVIDIA 框架容器支持矩陣和 NVIDIA 容器工具包文檔。

不需要其他安裝、編譯或依賴(lài)管理。無(wú)需安裝 NVIDIA CUDA Toolkit。

NGC 飛槳容器正式安裝：

要運(yùn)行容器，請(qǐng)按照 NVIDIA Containers For Deep Learning Frameworks User’s Guide 中 Running A Container 一章中的說(shuō)明發(fā)出適當(dāng)?shù)拿睿⒅付ㄗ?cè)表、存儲(chǔ)庫(kù)和標(biāo)簽。有關(guān)使用 NGC 的更多信息，請(qǐng)參閱 NGC 容器用戶(hù)指南。如果您有 Docker 19.03 或更高版本，啟動(dòng)容器的典型命令是：

*詳細(xì)安裝介紹 《NGC 飛槳容器安裝指南》

https://www.paddlepaddle.org.cn/documentation/docs/zh/install/install_NGC_PaddlePaddle_ch.html

*詳細(xì)產(chǎn)品介紹視頻

【飛槳開(kāi)發(fā)者說(shuō)｜NGC 飛槳容器全新上線 NVIDIA 產(chǎn)品專(zhuān)家全面解讀】

https://www.bilibili.com/video/BV16B4y1V7ue?share_source=copy_web&vd_source=266ac44430b3656de0c2f4e58b4daf82