RT-DETR 模型是飞桨目标检测套件 PaddleDetection 最新发布的 SOTA 目标检测模型。其是一种基于 DETR 架构的端到端目标检测器，在速度和精度上均取得了 SOTA 性能。在实际部署中，为了追求“更准、更小、更快”的效率能力，本文使用飞桨模型压缩工具 PaddleSlim 中的自动压缩工具（ACT, Auto Compression Toolkit）将针对 RT-DETR 进行量化压缩及部署实战。使用 ACT 工具只需要几十分钟，即可完成量化压缩全流程。在模型精度持平的情况下，RT-DETR 模型体积压缩为原来的四分之一，GPU 推理加速44%。
注：上述表格测试使用 Paddle Inference 开启 TensorRT，由于包含 D2H 拷贝时延，和论文 FP16 FPS 相比略慢。
https://github.com/PaddlePaddle/PaddleSlim/tree/develop/example/auto_compression/detection
RT-DETR 在一众 YOLO 模型中脱颖而出，成为新 SOTA，它的效果如下图所示。
为了更方便开发者体验 RT-DETR 的效果，快速跑通从数据校验，模型训练开发到部署的全流程，飞桨在 AI Studio 全新上线了 PaddleX 模型产线。开发者只需要在模型库中选择创建模型产线，即可通过工具箱或者开发者模式快速体验 RT-DETR 模型产线全流程，非常方便易用，欢迎开发者在线体验。
https://aistudio.baidu.com/aistudio/modelsoverview
在对 RT-DETR 量化压缩前，我们对它进行了分析。RT-DETR 网络模型主要由两个部分组成，分别是 ResNet 或者 HGNetv2 构成的 backbone 和 RT-DETR 构成的检测头。在模型的 backbone 中有大量的卷积层，此外在检测头中也有大量的矩阵乘计算，这些操作均可进行量化，从模型结构上分析来看，RT-DETR 模型拥有足够的量化加速潜力。我们使用了量化分析工具分析了各层的激活值分布:
大部分激活值分布都比较集中，离群点很少，这对量化很友好。同时我们分析了各层的权重数值分布:
可以看到权重的数据分布基本上符合正态分布，且数值较小，这样的权重分布比较适合量化。分析发现 RT-DETR 有较好的量化压缩潜力，并且为了进一步提升模型部署的性能，我们就开始量化压缩实战吧。
PaddleDetection 中提供了官方训练好的使用了不同 backbone 的模型，我们直接使用这些模型作为原始的模型即可。在 PaddleDetection 的环境下按照其流程将模型导出成为静态图模型，这些静态图用于量化压缩和部署测试。
python tools/export_model.py -c configs/rtdetr/rtdetr_r50vd_6x_coco.yml \
-o weights=https://bj.bcebos.com/v1/paddledet/models/rtdetr_r50vd_6x_coco.pdparams trt=True \
--output_dir=output_inference
使用 PaddleSlim 自动压缩工具量化模型需要少量的校准数据，这里我们使用标准的 COCO 数据集进行测试，可以按照 PaddleDetection 中数据准备教程进行准备，数据格式如下所示：
>>tree dataset/coco/
├── annotations
│ ├── instances_train2017.json
│ ├── instances_val2017.json
├── train2017
│ ├── 000000000009.jpg
│ │ ...
├── val2017
│ ├── 000000000139.jpg
│ │ ...
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.6/docs/tutorials/data/PrepareDetDataSet.md
量化压缩一般是指降低模型存储和计算所用数值的位数，达到减少计算量、存储资源和提升推理速度的效果。在飞桨家族中，PaddleSlim 是一个模型压缩工具库，包含模型剪裁、量化、知识蒸馏、超参搜索和模型结构搜索等一系列模型压缩策略。其中的自动化压缩工具通过无源码的方式，自动对预测模型进行压缩，压缩后模型可直接部署应用。我们使用自动化压缩工具进行模型压缩分为以下3个步骤：
数据预处理的配置和 PaddleDetection 中的模型配置对齐即可：
1.EvalReader:
2. sample_transforms:
3. - Decode: {}
4. - Resize: {target_size: [640, 640], keep_ratio: False, interp: 2}
5. - NormalizeImage: {mean: [0., 0., 0.], std: [1., 1., 1.], norm_type: none}
6. - Permute: {}
7. batch_size: 1
8. shuffle: false
9. drop_last: false
定义量化训练的配置文件，Distillation 表示蒸馏参数配置，QuantAware 表示量化参数配置，TrainConfig 表示训练时的训练轮数、优化器等设置。
https://github.com/PaddlePaddle/PaddleSlim/blob/develop/example/auto_compression/hyperparameter_tutorial.md
1.Global:
2. reader_config: configs/rtdetr_reader.yml
3. model_dir: /rtdetr_r50vd_6x_coco/
4. ……
5.Distillation:
6. alpha: 1.0
7. loss: soft_label
8.
9.QuantAware:
10. onnx_format: true
11. activation_quantize_type: 'moving_average_abs_max'
12. quantize_op_types:
13. - conv2d
14. - matmul_v2
15.
16.TrainConfig:
17. train_iter: 1000
18. eval_iter: 100
19. learning_rate: 0.00001
20. optimizer_builder:
21. optimizer:
22. type: SGD
23. weight_decay: 4.0e-05
少量代码就可以开始 ACT 量化训练。启动 ACT 时，需要传入模型文件的路径(model_dir)、模型文件名（model_filename）、参数文件名称(params_filename)、压缩后模型存储路径(save_dir)、压缩配置文件(config)、dataloader和评估精度的 eval_callback。
1. ac = AutoCompression(
2. model_dir=global_config["model_dir"],
3. model_filename=global_config["model_filename"],
4. params_filename=global_config["params_filename"],
5. save_dir=FLAGS.save_dir,
6. config=all_config,
7. train_dataloader=train_loader,
8. eval_callback=eval_func)
9. ac.compress()
以上是精简后的关键代码，如果想快速体验，可以根据下方链接中的示例文档及代码进行体验：
https://github.com/PaddlePaddle/PaddleSlim/tree/develop/example/auto_compression/detection
如果使用 GPU 训练，在几十分钟内就可以完成整个压缩过程。训练完成后会在 save_dir 路径下产出 model.pdmodel和model.pdiparams文件。至此，完成了模型训练压缩工作。
飞桨原生推理库 Paddle Inference 性能优异，针对不同平台不同的应用场景进行了深度的适配优化，做到高吞吐、低时延，支持了本项目 RT-DETR 模型的 INT8 加速推理。所以在 RT-DETR 量化压缩后，我们使用 Paddle Inference 推理库进行部署。
需要一台载有支持 INT8 加速推理的 NVIDIA tesla T4 显卡或者 A10 的推理主主机。
https://github.com/PaddlePaddle/PaddleSlim/blob/develop/example/auto_compression/detection/paddle_inference_eval.py
python paddle_inference_eval.py \
--model_path=./rtdetr_r50_quant/ \
--reader_config=configs/rtdetr_reader.yml \
--use_trt=True --precision=int8
值得注意的是，需要运行两次上述指令。第一次运行会收集模型信息并保存 dynamic_shape.txt，用于构建 TensorRT 加速引擎，之后运行会直接加载该文件进行实际预测。最终测试的量化模型的效果如下表所示：
-上表测试环境:Tesla T4，TensorRT 8.6.0，CUDA 11.7，batch_size=1
-上表测试环境:A10，TensorRT 8.6.0，CUDA 11.6，batch_size=1 -mAP的指标均在COCO val2017数据集中评测得到，IoU=0.5:0.95
https://github.com/PaddlePaddle/PaddleSlim
本文对 RT-DETR 检测模型进行了量化压缩的全流程实践，在极小的成本下生成了能高速推理的压缩模型。在 Paddle Inference 中，经过压缩后模型的精度损失几乎可以忽略不计，但是带来的加速效果十分明显，相较于原模型最高加速比为44%。希望看到这篇文章的开发者们，如果想进一步对 RT-DETR 进行模型压缩和部署，可以动手实践一下，亲自体验加速AI模型的快乐，希望 PaddleSlim 和 Paddle Inference 能够助力更多模型的部署落地。
https://github.com/PaddlePaddle/PaddleSlim
https://gitee.com/paddlepaddle/PaddleSlim
https://aistudio.baidu.com/aistudio/modelsoverview
