优化

🤗 Optimum 提供了一个 `optimum.onnxruntime` 包，它允许您使用 ONNX Runtime 模型优化工具，对 🤗 Hub 上托管的许多模型应用图优化。

在 ONNX 导出期间优化模型

ONNX 模型可以直接在 ONNX 导出期间使用 Optimum CLI 进行优化，通过在 CLI 中传递参数 `—optimize {O1,O2,O3,O4}`，例如

optimum-cli export onnx --model gpt2 --optimize O3 gpt2_onnx/

优化级别有

O1：基本的通用优化。
O2：基本和扩展的通用优化，以及 Transformers 特定的融合。
O3：与 O2 相同，但包含 GELU 近似。
O4：与 O3 相同，但包含混合精度（fp16，仅限 GPU，需要 `--device cuda`）。

使用 ORTOptimizer 以编程方式优化模型

ONNX 模型可以使用 ORTOptimizer 进行优化。该类可以通过 from_pretrained() 方法初始化，该方法支持不同的检查点格式。

使用已初始化的 ORTModel 类。

>>> from optimum.onnxruntime import ORTOptimizer, ORTModelForSequenceClassification

# Loading ONNX Model from the Hub
>>> model = ORTModelForSequenceClassification.from_pretrained(
...     "optimum/distilbert-base-uncased-finetuned-sst-2-english"
... )

# Create an optimizer from an ORTModelForXXX
>>> optimizer = ORTOptimizer.from_pretrained(model)

>>> from optimum.onnxruntime import ORTOptimizer

# This assumes a model.onnx exists in path/to/model
>>> optimizer = ORTOptimizer.from_pretrained("path/to/model")

优化配置

OptimizationConfig 类允许指定 ORTOptimizer 应该如何执行优化。

在优化配置中，有 4 种可能的优化级别

`optimization_level=0`：禁用所有优化
`optimization_level=1`：启用基本优化，如常量折叠或冗余节点消除
`optimization_level=2`：启用扩展图优化，如节点融合
`optimization_level=99`：启用数据布局优化

选择一个级别会启用该级别的优化以及所有前置级别的优化。更多信息请参阅此处。

`enable_transformers_specific_optimizations=True` 表示除了上述 ONNX Runtime 优化之外，还会执行 `transformers` 特定的图融合和近似。以下是您可以启用的可能优化列表

Gelu 融合，使用 `disable_gelu_fusion=False`，
层归一化融合，使用 `disable_layer_norm_fusion=False`，
Attention 融合，使用 `disable_attention_fusion=False`，
SkipLayerNormalization 融合，使用 `disable_skip_layer_norm_fusion=False`，
Add Bias 和 SkipLayerNormalization 融合，使用 `disable_bias_skip_layer_norm_fusion=False`，
Add Bias 和 Gelu / FastGelu 融合，使用 `disable_bias_gelu_fusion=False`，
Gelu 近似，使用 `enable_gelu_approximation=True`。

注意力融合专为 BERT 类似架构（例如 BERT、RoBERTa、VIT 等）的右侧填充和生成模型（GPT 类似）的左侧填充而设计。如果您不遵循此约定，请设置 `use_raw_attention_mask=True` 以避免潜在的精度问题，但会牺牲性能。

虽然 OptimizationConfig 提供了对优化方式的完全控制，但可能难以知道要启用/禁用哪些选项。您可以改用 AutoOptimizationConfig，它提供了四种常见的优化级别

O1：基本的通用优化。
O2：基本和扩展的通用优化，以及 Transformers 特定的融合。
O3：与 O2 相同，但包含 GELU 近似。
O4：与 O3 相同，但采用混合精度（fp16，仅限 GPU）。

示例：加载一个 O2 OptimizationConfig

>>> from optimum.onnxruntime import AutoOptimizationConfig
>>> optimization_config = AutoOptimizationConfig.O2()

您也可以指定 O2 配置中未定义的自定义参数，例如

>>> from optimum.onnxruntime import AutoOptimizationConfig
>>> optimization_config = AutoOptimizationConfig.O2(disable_embed_layer_norm_fusion=False)

优化示例

下面是一个关于如何优化 distilbert-base-uncased-finetuned-sst-2-english 的简单端到端示例。

>>> from optimum.onnxruntime import (
...     AutoOptimizationConfig, ORTOptimizer, ORTModelForSequenceClassification
... )

>>> model_id = "distilbert-base-uncased-finetuned-sst-2-english"
>>> save_dir = "distilbert_optimized"

>>> # Load a PyTorch model and export it to the ONNX format
>>> model = ORTModelForSequenceClassification.from_pretrained(model_id, export=True)

>>> # Create the optimizer
>>> optimizer = ORTOptimizer.from_pretrained(model)

>>> # Define the optimization strategy by creating the appropriate configuration
>>> optimization_config = AutoOptimizationConfig.O2()

>>> # Optimize the model
>>> optimizer.optimize(save_dir=save_dir, optimization_config=optimization_config)

下面是一个关于如何优化 Seq2Seq 模型 sshleifer/distilbart-cnn-12-6 的简单端到端示例。

>>> from transformers import AutoTokenizer
>>> from optimum.onnxruntime import  OptimizationConfig, ORTOptimizer, ORTModelForSeq2SeqLM

>>> model_id = "sshleifer/distilbart-cnn-12-6"
>>> save_dir = "distilbart_optimized"

>>> # Load a PyTorch model and export it to the ONNX format
>>> model = ORTModelForSeq2SeqLM.from_pretrained(model_id, export=True)

>>> # Create the optimizer
>>> optimizer = ORTOptimizer.from_pretrained(model)

>>> # Define the optimization strategy by creating the appropriate configuration
>>> optimization_config = OptimizationConfig(
...     optimization_level=2,
...     enable_transformers_specific_optimizations=True,
...     optimize_for_gpu=False,
... )

>>> # Optimize the model
>>> optimizer.optimize(save_dir=save_dir, optimization_config=optimization_config)
>>> tokenizer = AutoTokenizer.from_pretrained(model_id)
>>> optimized_model = ORTModelForSeq2SeqLM.from_pretrained(save_dir)
>>> tokens = tokenizer("This is a sample input", return_tensors="pt")
>>> outputs = optimized_model.generate(**tokens)

使用 Optimum CLI 优化模型

Optimum ONNX Runtime 优化工具可以直接通过 Optimum 命令行界面使用

optimum-cli onnxruntime optimize --help
usage: optimum-cli <command> [<args>] onnxruntime optimize [-h] --onnx_model ONNX_MODEL -o OUTPUT (-O1 | -O2 | -O3 | -O4 | -c CONFIG)

options:
  -h, --help            show this help message and exit
  -O1                   Basic general optimizations (see: https://huggingface.co/docs/optimum/onnxruntime/usage_guides/optimization for more details).
  -O2                   Basic and extended general optimizations, transformers-specific fusions (see: https://huggingface.co/docs/optimum/onnxruntime/usage_guides/optimization for more
                        details).
  -O3                   Same as O2 with Gelu approximation (see: https://huggingface.co/docs/optimum/onnxruntime/usage_guides/optimization for more details).
  -O4                   Same as O3 with mixed precision (see: https://huggingface.co/docs/optimum/onnxruntime/usage_guides/optimization for more details).
  -c CONFIG, --config CONFIG
                        `ORTConfig` file to use to optimize the model.

Required arguments:
  --onnx_model ONNX_MODEL
                        Path to the repository where the ONNX models to optimize are located.
  -o OUTPUT, --output OUTPUT
                        Path to the directory where to store generated ONNX model.

优化 ONNX 模型可以按如下方式完成

 optimum-cli onnxruntime optimize --onnx_model onnx_model_location/ -O1 -o optimized_model/

这将使用基本的通用优化来优化 `onnx_model_location` 中的所有 ONNX 文件。

< > 在 GitHub 上更新