Оптимізація ML-моделі (pruning) для мобільного пристрою

Ми часто стикаємося з ситуацією, коли готова модель не влізає в пам'ять смартфона або працює занадто повільно. Pruning — один з ключових методів у нашому арсеналі для вирішення цієї проблеми. Це не просто видалення зайвих ваг, а тонкий процес, що вимагає розуміння архітектури та цільового пристрою. Нижче розберемо, як ми проводимо pruning під ключ, які результати гарантуємо і чому structured pruning — вибір №1 для мобільних додатків. Якщо ваша модель не вкладається в обмеження пристрою — зв'яжіться з нами, ми допоможемо.

Pruning — видалення частини ваг або нейронів з моделі. Логіка: в нейромережі, навченій на реальних даних, значна частка ваг близька до нуля і майже не впливає на вихід. Їх можна обнулити або видалити без істотної втрати точності, але з виграшем у швидкості та об'ємі.

Звучить привабливо. На практиці — pruning складніший за квантизацію, вимагає донавчання після проріджування і не завжди дає очікуване прискорення на мобільних пристроях через особливості реалізації. Наш багаторічний досвід показує, що універсального рецепту немає. Тому ми підходимо до задачі системно: спочатку аналізуємо модель, потім обираємо оптимальну стратегію.

Який pruning обрати для мобільного додатку?

Unstructured pruning — обнуляємо окремі ваги (sparse матриці). Матриця 90% нулів — здавалося б, 10× економія. Але GPU/NPU працюють з щільними матрицями, sparse обчислення там не прискорюються. Практична користь: зменшення розміру моделі після стиснення (нулі добре компресуються). Але не швидкість інференсу на звичайних пристроях.

Structured pruning — видаляємо цілі фільтри (канали) в згорткових шарах або голови в attention. Результат — фізично менший граф, який реально швидший на будь-якому залізі. Це те, що реально потрібно для мобіля.

Чому structured pruning ефективніший?

Structured pruning фізично зменшує граф обчислень. На мобільних пристроях це дає реальне прискорення інференсу, оскільки не вимагає спеціальних sparse-процесорів. Ми використовуємо L1-норму для ранжування фільтрів і видаляємо найменш значущі. Приклад реалізації на PyTorch:

import torch import torch.nn.utils.prune as prune # L1-based structured pruning: видаляємо 30% фільтрів з Conv2d шарів # за критерієм мінімальної L1-норми (найменш важливі фільтри) for name, module in model.named_modules(): if isinstance(module, torch.nn.Conv2d): prune.ln_structured( module, name='weight', amount=0.3, # 30% каналів n=1, # L1 норма dim=0 # dim=0 — вихідні фільтри ) # Після pruning — важливо зробити ваги постійними (прибрати mask) for name, module in model.named_modules(): if isinstance(module, torch.nn.Conv2d): prune.remove(module, 'weight') 

Після цього модель містить нульові фільтри, але вони все ще в графі. Наступний крок — фактичне видалення нульових каналів:

# Кастомна функція видалення нульових фільтрів def remove_zero_filters(conv_layer, next_layer=None): """Видаляємо фільтри з нульовими вагами і синхронізуємо наступний шар""" weight = conv_layer.weight.data # Маска: фільтри з ненульовими вагами nonzero_mask = weight.abs().sum(dim=(1,2,3)) > 1e-6 conv_layer.weight = nn.Parameter(weight[nonzero_mask]) if conv_layer.bias is not None: conv_layer.bias = nn.Parameter(conv_layer.bias.data[nonzero_mask]) conv_layer.out_channels = nonzero_mask.sum().item() # Синхронізуємо наступний шар (вхідні канали) if next_layer is not None and isinstance(next_layer, nn.Conv2d): next_layer.weight = nn.Parameter(next_layer.weight.data[:, nonzero_mask]) next_layer.in_channels = nonzero_mask.sum().item() 

Це потрібно робити обережно — BatchNorm шари після Conv також містять параметри для кожного каналу і вимагають синхронізації.

Fine-tuning після pruning

Після видалення 20–40% фільтрів модель втрачає точність. Обов'язковий етап — fine-tuning на навчальних даних. Правило: чим агресивніший pruning, тим довший fine-tuning.

# Fine-tuning після pruning — зазвичай 10-20% від початкової кількості епох optimizer = torch.optim.Adam(pruned_model.parameters(), lr=1e-4) # менший LR scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=20) for epoch in range(20): train_one_epoch(pruned_model, train_loader, optimizer) val_acc = evaluate(pruned_model, val_loader) scheduler.step() print(f"Epoch {epoch}: val_acc={val_acc:.4f}") 

Iterative pruning — цикл pruning → fine-tuning → pruning — дає кращий результат, ніж одноразове видалення великої кількості фільтрів.

Lottery Ticket Hypothesis: глибше

Для задач, де результат критичний, використовуємо Lottery Ticket підхід: навчаємо повну мережу, знаходимо «виграшні білети» — sparse subnetworks, які можна навчити до порівнянної точності з нуля. Реалізація через бібліотеку torch_pruning:

import torch_pruning as tp # Аналіз залежностей між шарами example_inputs = torch.zeros(1, 3, 224, 224) DG = tp.DependencyGraph() DG.build_dependency(model, example_inputs=example_inputs) # Отримуємо групи пов'язаних шарів (pruning одного вимагає pruning пов'язаних) pruner = tp.pruner.MagnitudePruner( model, example_inputs, importance=tp.importance.MagnitudeImportance(p=1), pruning_ratio=0.5, # видалити 50% каналів global_pruning=False, iterative_steps=5 # ітеративно за 5 кроків ) 

Чому pruning не завжди дає прискорення

MobileNetV3 вже оптимізований: depthwise separable convolutions з малою кількістю каналів. Видалити 30% фільтрів з шару з 16 каналами — отримуємо 11 каналів. Різниця у швидкості — мінімальна, overhead від tensor операцій залишається.

Pruning добре працює на великих моделях: ResNet-50, EfficientNet-B4, BERT. На вже компактних MobileNet/EfficientNet-lite — ефект нижчий. У таких випадках краще почати з легшої базової архітектури, а не прунити важку.

Комбінація з квантизацією

Pruning + квантизація — стандартна двохетапна оптимізація:

1. Structured pruning 30–40% → fine-tuning → зменшуємо граф
2. INT8 квантизація стиснутого графа → фінальна модель

Приклад результату: EfficientNet-B0 (20 МБ FP32, 80 мс Android) → pruning 35% + INT8 → 4 МБ, 18 мс. Точність top-1 впала з 77.1% до 75.8%.

Якщо ваша модель вимагає саме таких покращень — ми готові провести повний цикл оптимізації. Зв'яжіться з нами, щоб обговорити проект.

Як ми проводимо pruning під ключ

1. Аналіз моделі — визначаємо архітектуру, профілюємо latency та розмір.
2. Вибір стратегії pruning — structured або lottery ticket, відсоток видалення.
3. Ітеративний pruning + fine-tuning — 3–5 ітерацій з контролем точності.
4. Перевірка на цільових пристроях — заміри на реальних смартфонах.
5. Опціонально: квантизація — INT8 або FP16 для додаткового стиснення.
6. Документація та деплой — надаємо звіт та готову модель.

Що входить в роботу

• Повний цикл оптимізації моделі від аналізу до деплою.
• Structured pruning з fine-tuning.
• Тестування на пристроях замовника (iOS/Android).
• Документація щодо змін архітектури та інструкції з інтеграції.
• Підтримка протягом 30 днів після здачі.

Наш досвід та гарантії

Наші спеціалісти мають багаторічний досвід в оптимізації нейромереж для мобільних пристроїв. Ми успішно провели pruning для 50+ проектів, включаючи додатки з мільйонними аудиторіями. Гарантуємо збереження точності в межах 2% від вихідної за умови дотримання рекомендацій щодо fine-tuning.

Оцінимо ваш проект безкоштовно — просто зв'яжіться з нами. Отримайте консультацію щодо вибору оптимального методу pruning для вашої моделі. Залиште заявку, і ми проаналізуємо вашу модель безкоштовно.

Pruning (artificial neural network) — Wikipedia torch.nn.utils.prune — PyTorch documentation