『』微信也在用的Transformer加速推理工具，现在腾讯开源了

十三发自凹非寺量子位报道 | 公众号 QbitAI
近年来，基于Transformer的模型，可以说是在NLP界杀出了一片天地。
虽然在提高模型模型精度上， Transformer发挥了不容小觑的作用，但与此同时，却引入了更大的计算量。
那么，这个计算量有多大呢？
来看下数据。

本文插图
因此，实现一个能充分发挥CPU/GPU硬件计算能力的Transformer推理方法，就成了急需解决的问题。
近日，腾讯便开源了一个叫TurboTransformers的工具，对Transformer推理过程起到了加速作用，让你的推理引擎变得更加强大。

本文插图
这个工具已经在微信、腾讯云、QQ看点等产品中广泛应用，在线上预测场景中可以说是“身经百战” 。
Turbo具有如下三大特性：

优异的CPU/GPU性能表现。
为NLP推理任务特点量身定制。
简单的使用方式。

值得一提的是， TurboTransformers ，是腾讯通过Github对外开源的第100个项目。
那么，具有如此“纪念意义”的开源工具，到底有多厉害？
接下来，我们将一一讲解。
多项性能测试“摘桂冠”
Turbo在CPU/GPU性能上的表现可以说是非常优异。
在多种CPU和GPU硬件上获得了超过pytorch/tensorflow和目前主流优化引擎的性能表现。

本文插图
CPU上的测试结果
首先，是在CPU 硬件平台上，测试了 TurboTransformers 的性能表现。
选择 pytorch、pytorch-jit 和 onnxruntime-mkldnn 和 TensorRT 实现作为对比。
性能测试结果为迭代 150 次的均值。为了避免多次测试时，上次迭代的数据在 cache 中缓存的现象，每次测试采用随机数据，并在计算后刷新的 cache 数据。
下图是Intel Xeon 6133 CPU的性能测试结果。

本文插图

本文插图
GPU上的测试结果
其次，是在GPU硬件平台上，测试了 TurboTransformers 的性能表现。
选择对比的对象分别是：pytorch、NVIDIA Faster Transformers、onnxruntime-gpuTensorRT 。
性能测试结果为迭代 150 次的均值。
下图是在NVIDIA RTX 2060 GPU的性能测试结果。

本文插图
【『』微信也在用的Transformer加速推理工具，现在腾讯开源了】

本文插图
接下来，是在NVIDIA P40 GPU的性能测试结果。

本文插图

本文插图
最后，是在NVIDIA V100 GPU的性能测试结果。

本文插图