什么是PRelu算子？PRelu算子調優(yōu)經歷-先行篇

最近小編收到一個客戶模型，其中使用了一個叫做PRelu的算子，想要運行在RT170上。本來小編是信心滿滿的答應客戶說：速度上放心，我們這主頻1GHz的CPU絕對沒問題，包您滿意。沒想到跑分結果出爐直接給了小編沉重一擊。

直接依賴TFLm推理引擎的默認實現(xiàn)，PRelu算子的運行時間竟然高達188ms。于是小編本著工程師本有的探索精神，決定迎難而上，徹底將它優(yōu)化一下。

所謂知己知彼，百戰(zhàn)不殆，首先我們來看一下什么叫做PRelu算子。

PRelu，看著好像特別的高大上，我們將其拆分來看，將其分成P+Relu，是不是瞬間就覺得熟悉了。沒錯，他實際上就是我們常用的Relu算子的變種。其中，P，是Parametric的縮寫，因此，所謂PRelu就是帶參數(shù)的Relu，只不過，這里的參數(shù)實際上是可以被訓練的，而非一個固定值。那么PRelu到底長什么樣呢？小編馬上揭開它的神秘面紗：

上圖就是PRelu的廬山真面目。i 表示不同的通道。alpha的個數(shù)是跟著通道走的，不過好消息是，各個通道之間參數(shù)是可以共享的，這樣看著清爽了不少。特殊的，如果我們配置H和W通道共享參數(shù)，那么參數(shù)alpha就變成了類似于bias的功能，逐通道共享一個參數(shù)，因此，其shape = (1, 1, c);

為了對客戶負責，外加能夠更加方便地進行模型測試，小編首先收利用Keras手動構建一個具有PRelu算子的小巧模型。正所謂小巧而又不失優(yōu)雅，我們構建模型如下所示：

這個小巧的模型本身具備了我們所常見的多個算子，例如Conv2D，MaxPool2D，F(xiàn)ullyConnect等，因此作為PRelu算子的測試模型也不至于顯得過于寒酸。

接下來和大家聊聊小編的調試經歷：

第一步，就是要對TFLm的源碼進行分析，了解為何其運行緩慢。

PRelu算子實際上就是一個進階版本的Relu算子，根據(jù)其輸入值的正負分別進行計算，當輸入為正是，就等于本身；當輸入為負時，將結果乘以一個系數(shù)alpha。看似非常簡單的計算方式，為啥TFLm的參考實現(xiàn)能算的這么慢呢？口說無憑，show me the code：

if (input_value >= 0) { output_value = MultiplyByQuantizedMultiplier( input_value, params.output_multiplier_1, params.output_shift_1); } else { auto alpha_index = SubscriptToIndex(desc2, b, y, x, c); const int32_t alpha_value = params.alpha_offset + alpha_data[alpha_index]; output_value = MultiplyByQuantizedMultiplier( input_value * alpha_value, params.output_multiplier_2, params.output_shift_2); }

看到這里，恰似風平浪靜，的確是按照我們分析的那樣，按照輸入值的正負進行計算。但是...細心的讀友可能發(fā)現(xiàn)了問題：

1） 這里的alpha_data有個index，沒錯，這就是運行慢的第一個原因。剛才說過，PRelu中的alpha參數(shù)是和通道數(shù)相關的，也就是說每個通道都可以擁有自己的值，而且各通道之間還可以共享，因此并不能直接順序訪問，而是需要根據(jù)index進行查找。

2） 這里多了一個叫做MultiplyByQuantizedMultiplier的函數(shù)，為啥不直接計算？這是另一個原因。熟悉深度學習的伙伴們一定知道，MCU平臺常被稱作：資源受限平臺，這里的受限不僅體現(xiàn)在算力上，還有內存空間上，相較于MPU那種動輒幾個G的DDR的龐然大物，MCU上的內存資源也是捉襟見肘。

想要將我們訓練的模型部署運行在MCU上，第一步就是對模型進行量化操作，將浮點類型的模型轉換為int8類型的模型，這樣直接縮小到之前的1/4。同時由于量化后的模型采用int8表示，同時能夠借助于優(yōu)化后的運行庫進行加速。

這樣一來，為了既想要使用int8模型帶來的遍歷，又保證模型精度，就需要對輸出結果進行反量化表示，已達到使用int8類型結果表達浮點數(shù)的效果。因此，就需要調用類似MultiplyByQuantizedMultiplier這樣的函數(shù)進行反量化處理。

基于以上兩點，我們也就發(fā)現(xiàn)了算法本身所存在的慢速隱患，接下來的優(yōu)化操作也正是基于此展開。

下一篇會繼續(xù)介紹通過內存外加反量化函數(shù)的改造提升算法執(zhí)行速度。