由于各行業(yè)對實時人工智能應(yīng)用的需求不斷增加，人工智能模型近來變得更加復(fù)雜。這需要以最佳方式部署高性能、尖端的推理系統(tǒng)。TensorRT 的最新版本通過引入額外的功能來解決這些問題，從而為其客戶提供更增強和響應(yīng)更靈敏的對話式 AI 應(yīng)用程序。

NVIDIA TensorRT 8 概述

NVIDIA TensorRT 是一個高性能推理平臺，對于利用 NVIDIA Tensor Core GPU 的強大功能至關(guān)重要。TensorRT 8 是一個軟件開發(fā)套件，其增強功能旨在提高性能和準(zhǔn)確性，以應(yīng)對在邊緣和嵌入式設(shè)備中發(fā)生的越來越多的 AI 推理。它允許對 TensorFlow 和 PyTorch 神經(jīng)網(wǎng)絡(luò)進行廣泛的計算推理。

與純 CPU 平臺相比，TensorRT 可提供高達 40 倍的吞吐量，同時最大限度地減少延遲。它允許您從任何框架開始，并在生產(chǎn)中快速優(yōu)化、驗證和部署經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)。

新版本在 NVIDIA Ampere GPU 上加入了稀疏性，可以修剪對網(wǎng)絡(luò)整體計算沒有貢獻的弱連接。此外，TensorRT 8 支持變壓器優(yōu)化和 BERT-Large。Transformer 優(yōu)化提高了性能，而量化感知訓(xùn)練提高了準(zhǔn)確性。

NVIDIA 的 TensorRT 8 有哪些新功能？

推理的目的是從訓(xùn)練階段盡可能多地保留準(zhǔn)確性。訓(xùn)練后的模型可以在硬件設(shè)備上運行，以獲得客戶最低的響應(yīng)時間和最大的吞吐量。但是，盡可能精確的必要性有時可能會與邊緣可用的內(nèi)存量和吞吐量發(fā)生沖突。訓(xùn)練有素、高度準(zhǔn)確的模型可能運行速度太慢。

因此，TensorRT 版本 8 結(jié)合了深度學(xué)習(xí)推理應(yīng)用或經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型的最新進展，以了解數(shù)據(jù)如何影響響??應(yīng)。它使用兩個主要功能將語言查詢推理時間減少一半：

NVIDIA 安培架構(gòu)的稀疏性

深度神經(jīng)網(wǎng)絡(luò)擅長各種任務(wù)，例如計算機視覺、語音識別和自然語言處理。隨著處理這些神經(jīng)網(wǎng)絡(luò)所需的計算能力增加，有效的建模和計算變得越來越重要。

Sparse 是一種適用于具有 NVIDIA Ampere 架構(gòu)的 GPU 的新性能方法，可通過減少計算過程來提高開發(fā)人員的效率。深度學(xué)習(xí)模型的其他方面不如其他方面重要，有些甚至可以為零。因此，神經(jīng)網(wǎng)絡(luò)不需要對特定的權(quán)重或參數(shù)進行計算。因此，NVIDIA 可以通過使用稀疏性將模型的權(quán)重減少近一半來提高性能、吞吐量和延遲。

通過變壓器優(yōu)化減少推理計算

在 TensorRT 8 中，性能增強是通過變壓器優(yōu)化實現(xiàn)的。量化開發(fā)人員可以利用經(jīng)過訓(xùn)練的模型通過 8 位計算 （INT8） 執(zhí)行推理。這大大減少了 Tensor 核心中的推理計算和存儲。INT8 越來越多地用于優(yōu)化機器學(xué)習(xí)框架，例如 TensorFlow 和 NVIDIA 的 TensorRT，以減少內(nèi)存和計算需求。因此，NVIDIA 可以在保持準(zhǔn)確性的同時在 Tensor RT 8 上提供非常高的性能。

例如，量化感知訓(xùn)練 （QAT） 有可能使準(zhǔn)確率翻倍。因此，與舊版本 TensorRT 7 相比，TensorRT 8 可以將許多模型的性能提高一倍。

ensorRT 部署在眾多行業(yè)中

TensorRT 更好的性能和準(zhǔn)確性使其成為醫(yī)療保健、汽車、互聯(lián)網(wǎng)/電信服務(wù)、金融服務(wù)和零售等行業(yè)的熱門選擇。例如，Tensor RT 用于為 GE Healthcare 的心血管超聲系統(tǒng)供電。這家數(shù)字診斷解決方案提供商使用該技術(shù)在其 Vivid E95 掃描儀上加速自動心臟視圖檢測。通過使用改進的視圖檢測算法，心臟病專家可以在早期階段做出更準(zhǔn)確的診斷和檢測疾病。此外，TensorRT 還被 Verizon、福特、美國郵政服務(wù)、美國運通等知名公司使用。

隨著 Tensor RT 8 的發(fā)布，NVIDIA 還公布了谷歌使用 Tensor RT 在 BERT-large 推理方面的突破。Transformers 的雙向編碼器表示 （BERT） 是一種基于 Transformer 的機器學(xué)習(xí)技術(shù)，用于預(yù)訓(xùn)練自然語言處理。BERT-Large 模型的分析時間僅為 1.2 毫秒，可以實時響應(yīng)自然語言查詢。這意味著公司可以將其模型的大小增加一倍或三倍，以獲得更高的準(zhǔn)確性。

許多推理服務(wù)在幕后使用諸如 BERT-Large 之類的語言模型。另一方面，基于語言的應(yīng)用程序通常無法識別細微差別或情感，從而導(dǎo)致整體體驗不佳。現(xiàn)在，公司可以使用 TensorRT 8 在幾毫秒內(nèi)部署整個工作流程。這些突破可以為新一代對話式 AI 應(yīng)用程序鋪平道路，為用戶提供更智能和低延遲的體驗。

審核編輯：郭婷