模型|英伟达推出TensorRT 8：AI计算性能大幅提升 ai|gpu|显存

英伟达在2016年推出TensorRT深度学习推理框架，TensorRT在模型推理的过程中，可将Pytorch、TensorFlow等其他框架训练好的模型转化为TensorRT格式，再使用TensorRT推理引擎运行，提升模型在GPU上的运行速度。
相比仅支持30多种模型的TensorRT 5，英伟达在2019年推出TensorRT 7能支持各种类型的RNN、Transformer和CNN，最多1000多种不同类型的计算变换和优化，能让推理时间缩短至0.3秒。支持更多的模型和进一步缩短推理时间，提高推理速度是广大AI软件开发者对TensorRT升级的普遍期望。

文章插图
2021年5月，英伟达推出TensorRT 8-EA版 (Early Access尝鲜版)，正式版终于在7月20日正式到来。与以往的版本相比，TensorRT 8正式版能够在1.2毫秒内，运行基于transforemer打造的BERT-Large，将语言查询推理时间缩短至上一个版本的一半，创下最新记录，为搜索引擎、广告推荐和聊天机器人的AI模型提供支持。英伟达官方声称，TensorRT8不仅针对transformer作出突破性优化，还新增其他两项关键特性，实现AI推理方面的突破。
虽然英伟达本次更新的TensorRT 8提升比不上从5.0版本到7.0版本，但其性能表现依然十分优秀。落实到具体应用上，推理速度的提升能够让对话式AI更加智能，交互应用程序的性能也能够得以提升。
得益于TensorRT的一系列优化，TensorRT模型在英伟达GPU上的运行速度得到提升。优化包括以下6项：权重与激活精度校准通过将模型量化，为INT8来更大限度提升吞吐量，同时保持高精度，力求精度和吞吐量的最大平衡;通过融合内核中层与张量，优化GPU显存和带宽的使用;基于目标GPU选择最佳的数据层和算法的内核自动调整;动态张量显存能更大限度减少显存占用，并高效地为张量重复利用内存;多流执行可实现并行处理多个输入流的可扩展设计;合并网络层在力求以低混合精度提升吞吐量的同时，减少计算和内存访问。

文章插图
在TensorRT 8版本中，英伟达加入稀疏性和量化感知训练两个关键特性，以实现AI推理方面的突破。TensorRT 8中的稀疏性技术能够保证精度推理，同时降低深度学习模型中的部分权重，减小模型所需要的带宽和内存，提升效率、并让开发者能够通过减少计算操作来加速神经网络，帮助NVIDIA Ampere架构GPU提升性能。量化感知训练在Tensor Core核心上以INT8精度实现高效推理，让开发者使用训练好的模型，不会造成精度损失、大幅降低计算和存储成本。
【 模型|英伟达推出TensorRT 8：AI计算性能大幅提升】TensorRT在推理模型上的速度优势让它广受欢迎，包括医疗、汽车、金融和零售等领域，超过27500家企业、超过25万名开发者下载使用TensorRT，累计次数近250万次。
GE医疗是TensorRT的使用者之一，他们用TensorRT助力加速早期检测疾病的关键工具——超声波计算机视觉创新，使临床医生能够通过其职能医疗解决方案提供方最高质量的护理。GE医疗心血管超声首席工程师Erik Steen表示:“临床医生需要花费宝贵的时间来选择和评估超声图像。在Vivid Patient Care Elevated Release项目的研发过程中，我们希望通过在Vivid E95扫描仪上实施自动心脏视图检测，使这一过程变得更加高效。心脏视图识别算法将选择合适的图像来分析心壁运动。TensorRT凭借其实时推理能力，提高了视图检测算法的性能，同时缩短了我们研发项目的产品上市时间。”
开源AI技术的领导者Hugging Face也在同英伟达展开密切合作，产品总监Jeff Boudier表示，Hugging Face通过TensorRT 8，在BERT上实现了1毫秒的推理延迟，十分期待能在今年晚些时候为客户提供这一性能。
TensorRT 8已经全面上市，英伟达计划免费提供给向开发者成员，让用户能够从TensoRT GitHub库中获得最新版本插件、解析器和样本开放源代码。

文章插图
编辑点评：英伟达在AI方面的实力毋庸置疑，使用GPU核心进行各种推理，加速人工智能在各行各业的应用。TensorRT虽然不是直接面向消费者的产品，但它在未来会扮演非常重要的角色，能够使人们生活更加方便。