08 推理内存管理

作者：鲁天硕

时间：2024/11/1

---

量化方案

目前的难题是对于全精度网络的完整的量化（int8），主要思路如下： 1. input 张量：使用代表性的张量获取 scale 和 zero_point（正确性存疑） 2. weight 张量：正常量化，获取其 scale 和 zero_point （这一步没啥毛病） 3. bias 张量：根据上面量化结果获取 scale ，需要量化到 int32 （高精度）

$$ \begin{align} \ \left{ \begin{aligned} &\text{bias}{\text{scale}} = \text{input}}} \times \text{weight{\text{scale}} \ &\text{bias} = 0 \end{aligned} \right. \end{align}} \ $$

注意： 现在使用的是 Min-Max 量化方案，量化精度可能不够

---

内存复用理论

• 计算图中存在两种张量：权重张量使用模型压缩（量化、剪枝）来减少内存占用，而中间张量则使用内存复用（内存）减少
• 和操作系统调度不同：静态图的中间张量大小是固定的，可以使用静态分配一大块内存，分析张量生命周期并使用偏移量来复用。

---

Naive: Alloc All Memory

• 若正常静态分配一个模型（tiny-edsr 127.75KB）：横轴为生命周期，纵轴为内存占用

---

LSTF: Large Size Tensor First

• 使用大张量优先算法对内存进行静态分配（tiny-edsr 44.75KB）：中间张量内存占用降低 64.97%

---

后续工作

• 量化优化：后续会实现其他量化方案，并考虑改进量化算法
• 内存复用：实现其他复用方案，寻找优化点
• 比赛：使用量化技术和 LSTF 内存复用技术编写 .c 文件