6个诀窍让手机高效运行大型神经网络

计算机配有大型硬盘以及强大的 CPU 和 GPU，而手机并不具备这些。为了弥补这种硬件上的短板，我们就需要使用一些技巧来高效地运行深度学习应用。

简介

深度学习这种技术可谓是多才多艺、强大无比，但运行神经网络又对计算力、能耗和磁盘空间要求很高。这对于运行在有大型硬盘和多个 GPU 的云应用来说，通常这不是个问题。

不幸的是，在移动设备上运行神经网络却没这么容易。实际上，即便是如今智能手机越来越强悍，其计算力、电池续航时间和可用磁盘空间仍然有限，特别是那些依赖轻便运行的应用，对这些要求很高。如果我们把应用轻便化，能实现更快的下载、更小的更新量以及更长的电池续航，这些都是用户迫切需求的。

在本文我（作者Julien Despois——译者注）会介绍几种强大的方法，能让神经网络在移动设备上实时运行。

让神经网络更小更快的方法

基本上，我们对三个指标很感兴趣：模型的准确率，运行速度和在手机中所占空间大小。

因为天下没有免费的午餐，所以我们必须要做出一些取舍。

对于大部分方法，我们会着眼于这三个指标，寻找满足我们需求的“饱和点”（saturation point）。所谓“饱和点”就是一个指标中的收益无法再通过其它指标中的损失来实现。在达到“饱和点”之前保持优化值，我们就可以在这两类指标上取得最佳结果。

图：在这个例子中，我们可以在不增加误差的情况下大幅缩减代价高昂的运算。然而，围绕“饱和点”，误差就会很高，这是不可接受的。

记住这个方法，我们开始吧！

避免全连接层

全连接层时神经网络中最常见的组成部分之一，它们的效果也确实很好。然而，由于全连接层中的每个神经元都和之前层的所有神经元相连，因而需要存储和更新大量的参数。这对运行速度和磁盘空间非常不利。

卷积层是充分利用输入（通常是图像）中局部连贯性的层。在卷积层中，每个神经元不再和之前层的所有神经元相连，使用它能够在维持高准确度的同时，减少连接/权重的数量。

图：和卷积层相比，全连接层有更多的连接和权重

使用很少或不使用全连接层，可缩减模型的大小，也能保持很高的准确度。这样既能提高速度，也能减少磁盘空间使用。

在上面的配置中，一个有着1024个输入和512个输出的全连接层会有大概50万个参数。而一个有着同样特征和32个特征图谱的卷积层，则只有5万个参数，足足优化了10倍！

缩减通道数量和内核大小

这一步的操作非常直截了当，就是在模型复杂度和运行速度之间做一个权衡。卷积层中有很多通道能让神经网络提取很多的相关信息，但是代价很高。去掉一些特征图谱，能很容易地节省空间，让模型运行更快。

我们可以用卷积操作中的感受域（receptive field）来做同样的事情。缩减内核大小后，虽然卷积对局部特征的感受度下降，但涉及的参数数量也会减少。

图：更小的感受域/内核尺寸耗费更少的计算力，但传递的信息也更少

这两种情况下，我们通过寻找“饱和点”来选择特征图谱数量/内核大小，这样以来模型的准确度也不会大幅下降。

优化降采样

对于固定数量的层，和固定数量的池化操作，神经网络的表现会大不相同。这是因为数据的表示以及计算负荷取决于池化操作所处的时间点：

如果很早执行池化操作，数据的维度就会降低。更少的维度意味着神经网络的处理速度更快，但也意味着更少的信息和更低的准确度。

如果很晚才执行池化操作，就会保存大部分信息，模型就有很高的准确度。然而，这也意味着计算对象有很多维度，需要耗费大量计算力。

在神经网络中均匀进行降采样是一种非常高效的结构，而且能在模型准确度和运算速度之间取得良好的平衡。也就是我们所说的“饱和点”。

图：早期池化模型会很快。晚期池化模型会更准，均匀池化则兼得两者优点

剪切权重

在训练后的神经网络中，有些权重对神经元的激活影响很大，而其余权重则和很少影响结果。不过，我们仍然会计算这些较弱的权重。

剪切权重就是我们将那些影响量级最小的连接完全移除的过程，这样我们就可以略过关于它们的计算。这样做虽然会降低模型的准确度，但是能让模型更轻便、运行更快。我们需要找到一个“饱和点”，移除尽可能多的连接，但又不会导致准确度大幅下降。

图：移除最弱的连接来节省计算时间和空间

将权重量化

为了能将神经网络保存在磁盘，我们需要记录神经网络中每个权重的值。这意味着要保存每个参数的浮点值，这会大量占用磁盘空间。举个例子，在C语言中，一个浮点数占用4字节，即32-bit。一个有着数亿参数的网络（比如Google-Net或VGG-16）轻松就能占据上百兆字节的空间，而这在移动设备上是不可接受的。

如果想让神经网络的内存占用量尽可能的小，一个方法就是通过量化权重来降低它们的精度。在这个过程中，我们会修改数字的表示使其不再取用任意值，而是一些值的子集。这能让我们只需存储一次经过量化处理的值，然后将它们参考为神经网络的权重。

图：量化权重，存储索引而非浮点值

我们通过再次寻找“饱和点”来确定使用多少值。值越多，准确度就越高，但也意味着更大的数字表示。例如，使用256个量化后的值，每个权重仅用1个字节即8-bit就能表示。和之前相比（32-bit），我们将大小缩小了4倍！

编码模型的表示

我们已经对权重做了很多处理，但是尚未优化神经网络！第6种方法是应对权重分布不均的问题。模型的权重量化以后，我们并没有相同数量的权重来支撑每个量化后的值。这意味着在模型的表示中，某些索引的出现频率相对更高，我们可以充分利用这一点！

霍夫曼编码时解决这个问题的绝佳方案。它会给最常用的值分配最小索引、给最不常用值分配最大索引，这样就能缩小设备上的模型大小，最妙的是不会造成准确度下降。

图：频率最高的符号只占用1-bit的空间，而频率最低的占用了3-bit空间。这是因为后者在数据表示中出现的次数很少，从而达到一种空间上的平衡。

这种简单技巧能让我们进一步缩小神经网络占用的内存空间，通常能缩小30%。

注意：神经网络中每一层的量化和编码操作可以是不同的，从而提供更多的灵活性。

修正准确度损失

使用我们上面列举的方法后，我们几乎“大修”了手头的神经网络：移除了弱连接（剪切权重），甚至修改了权重（量化操作）。这样能让神经网络超级轻便，运行飞快，但准确度也会发生变化。

为了修正这个问题，我们需要在每一步迭代地重新训练神经网络，意思就是在剪切或量化权重后，我们再次训练神经网络，这样它就能适应变化，不断重复这个过程直到权重不再大幅变化为止。

结语

虽然智能手机并没有电脑那样的磁盘空间、计算力或续航能力，但仍然是深度学习应用的极佳运行平台。借助一些技巧，再牺牲一点准确度，我们就能在移动设备上运行强大的神经网络。这将为数以千计的激动人心的 App 敞开大门。