解密｜阿里雲破圖像識別世界紀錄的背後

2018年12月25日，史丹佛大學發布最新的DAWNbench深度學習推理榜單，阿里雲獲得了圖像識別性能及成本雙料冠軍，打破了基於亞馬遜AWS計算平台保持的長達8個月的紀錄。這是該榜單首次出現中國科技公司。

阿里雲技術團隊使用ecs.gn5i-c8g1.2xlarge實例，以每張圖片4.218ms的性能（見圖2），0.00000154美金（見圖4）的推理成本分別登頂推理性能和成本榜單，不僅性能是第二名基於Amazon EC2 [c5.18xlarge]實例的2.36倍，而且平均每張圖片的推理成本也比第二名低6.1%。

圖1 圖像識別示意圖

盡管針對DNN性能的優化始終是學術界及產業界研發的熱點，但在DAWNbench競賽推出之前，業內並沒有一個對深度學習訓練及推理任務進行端到端評價的標準。DAWNbench競賽是第一個既關注性能指標，也關注模型精度及成本等指標的競賽。自從史丹佛大學在2017的NIPS會議上發布DAWNbench競賽以來，該競賽吸引了產業界的極大關注。

阿里雲參與了DAWNbench競賽中的兩個項目：1，針對ImageNet驗證集中50000張圖片的分類任務，要求分類模型的Top-5精度不低於93%，統計分類每一張圖片的平均延遲，延遲越低，性能越高，排名越高。2，在每次一張的情況下，完成50000張圖片推理的平均成本

圖2 DAWNbench競賽的推理性能榜單（截取日期：2018年12月25日）

圖3 DAWNbench競賽的推理成本榜單（截取日期：2018年12月25日）

圖4 DAWNbench競賽阿里雲的推理成本數據

圖2與圖3分別給出了截止2018年12月25日這兩個項目的排名情況。從圖2與圖3可以看到，在這兩個子項目上，阿里雲均名列第一。為了在這兩個任務上達到最快的性能，和最低的成本，參賽團隊從以下三個維度開展了優化：1，深度學習模型的選擇；2，8bit量化優化；3，阿里雲GPU實例的選擇。

深度學習模型的選擇

在阿里雲團隊參賽之前，ImageNet推理任務榜單的第一名選擇了ResNet50模型，在Amazon EC2 [c5.18xlarge]實例上以推理性能9.96ms和平均推理成本1.64E-06美金排名第一。該模型源自於Facebook在1小時內完成ImageNet訓練的論文「Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour」，將之標記為ResNet50-v2，將原始的ResNet50模型標記為ResNet50-v1。雖然ResNet50-v2更易於訓練，但其訓練計算量增加了約12%，推理計算量增加了約6%。對於推理任務，在精度達標的情況下，任何程度上計算量的節省都是有價值的。基於此，阿里雲團隊選擇了ResNet50-v1模型。

圖5 ResNet50模型訓練過程中學習率的設置

在訓練ReseNet50-v1模型的過程中，採用經典的三段式格式，很難達到93%的Top-5精度。為了解決精度問題，參賽團隊遍歷了超參數空間，但ReseNet50-v1模型的Top-5精度仍舊難以穩定的超過93%。為了解決該問題，團隊設計了圖5中的學習率格式，訓練的早期學習率線性增大至峰值，隨後線性衰減。以該學習率為基礎，最終得到了Top5精度為93.28%的ResNet50-v1模型。

Int8量化

低比特量化是提升推理性能的一種主要手段，盡管目前已經有了採用1比特或2比特進行ResNet網路推理的研究，但這些過低精度的量化往往導致了較大的精度損失。與此相對，阿里雲團隊採用了Int8量化方法，在提升計算性能的同時，兼顧了模型的預測精度。

為了使優化的成果服務於廣大的阿里雲客戶，團隊選擇了TensorFlow這一流行的深度學習框架來開展優化，其中Int8量化的工作基於TensorRT開展。優化的難點在於將訓練好的TensorFlow模型量化為TensorRT的Int8模型，並將量化後的TensorRT模型加載進TensorFlow計算圖中進行推理。

隨後，團隊基於TensorFlow的Benchmark代碼開展了深度優化。在Int8量化的過程中，需要計算量化前後的Kullback-Leibler散度，以做到神經網路各層激活值動態範圍的校準。團隊首先做到了校準過程，這個過程包含了三個環節：Int8量化模型的建立、針對量化模型的校準、基於校準結果產生優化後的Int8模型。隨後優化了Benchmark的推理模式，使其能夠導入優化後的推理引擎。

阿里雲GPU實例的選擇

參賽團隊選擇了支持8b計算的NVIDIA Tesla P4 GPU，以及基於該GPU的阿里雲ecs.gn5i-c8g1.2xlarge實例。該實例包含了一個8核的vCPU，及1塊P4 GPU。該實例提供了三種價格選項：包年包月，按量付費及搶占式實例。在搶占式實例下，每個實例每小時的價格僅為7.015元。

GPU Latency(ms) Top5 Accura Tesla P4 4.218 93.16% 表1，阿里雲ecs.gn5i-c8g1.2xlarge實例的平均推理性能及精度

表1給出了在阿里雲ecs.gn5i-c8g1.2xlarge實例上，針對DawnBench競賽ImageNet推理任務的優化結果。由表1可以看到，在ecs.gn5i-c8g1.2xlarge實例上，每次完成1張圖片推理的平均性能為4.218ms，是第二名基於Amazon EC2 [c5.18xlarge]實例的2.36倍。當採用按量付費購買模式時，成本為1.54E-06美金，比第二名節省6.1%。而在搶占式實例下，成本將進一步降低為1.23E-06美金，比第二名節省26.2%。完成50000張圖片的推理精度為93.16%，超出ImageNet推理任務精度要求。

優化成果可用於計算機視覺任務中廣泛使用的ResNet、Inception 等模型，而且已經集成在了阿里雲GPU計算平台加速框架(Perseus)內，將以鏡像的形式為使用GPU的客戶提供更好的使用體驗。阿里雲正在構建從虛擬化，存儲，GPU加速，到深度學習框架優化的全棧異構計算服務平台。

本文原作者：昀龍、顧真