使用新权重重新适配 Torch-TensorRT 程序

编译是一个代价高昂的操作，因为它涉及许多应用于模型的图转换、翻译和优化。在模型权重可能偶尔更新的情况下（例如插入 LoRA 适配器），如果每次都需要从头开始构建已编译程序，则重新编译的巨大成本可能使使用 TensorRT 不切实际。Torch-TensorRT 提供了一种 PyTorch 原生机制，可以通过权重重新适配来更新已编译的 TensorRT 程序的权重，而无需从头开始重新编译。

在本教程中，我们将逐步介绍

1. 将 PyTorch 模型编译为 TensorRT 图模块

2. 保存和加载图模块

3. 重新适配图模块

本教程主要关注 AOT 工作流，在这种工作流中，用户可能需要手动重新适配模块。在 JIT 工作流中，权重更改会触发重新编译。由于引擎之前已构建，并且启用了引擎缓存，因此 Torch-TensorRT 可以自动识别之前构建的引擎，触发重新适配并代表用户缩短重新编译时间（请参阅：引擎缓存）。

标准工作流

导入和模型定义

import numpy as np
import torch
import torch_tensorrt as torch_trt
import torchvision.models as models
from torch_tensorrt.dynamo import refit_module_weights

np.random.seed(0)
torch.manual_seed(0)
inputs = [torch.rand((1, 3, 224, 224)).to("cuda")]

创建可重新适配的编译程序

第一步是编译模块并像往常一样保存它。请注意，还有一个附加参数 make_refittable 设置为 True。此参数用于指示正在构建的引擎以后应支持权重重新适配。没有这些设置构建的引擎将无法重新适配。

在本例中，我们将编译一个使用随机初始化权重的 ResNet18 模型并保存它。

model = models.resnet18(pretrained=False).eval().to("cuda")
exp_program = torch.export.export(model, tuple(inputs))
enabled_precisions = {torch.float}
debug = False
workspace_size = 20 << 30
min_block_size = 0
use_python_runtime = False
torch_executed_ops = {}
trt_gm = torch_trt.dynamo.compile(
    exp_program,
    tuple(inputs),
    use_python_runtime=use_python_runtime,
    enabled_precisions=enabled_precisions,
    debug=debug,
    min_block_size=min_block_size,
    torch_executed_ops=torch_executed_ops,
    make_refittable=True,
    reuse_cached_engines=False,
)  # Output is a torch.fx.GraphModule

# Save the graph module as an exported program
torch_trt.save(trt_gm, "./compiled.ep", inputs=inputs)

使用预训练权重重新适配程序

随机权重对于推理没有用。但是现在，我们可以使用预训练权重重新适配模型，而不是重新编译模型。这是通过设置另一个具有目标权重的 PyTorch 模块并将其导出为 ExportedProgram 来完成的。然后，refit_module_weights 函数用于使用新权重更新已编译模块的权重。

# Create and compile the updated model
model2 = models.resnet18(pretrained=True).eval().to("cuda")
exp_program2 = torch.export.export(model2, tuple(inputs))


compiled_trt_ep = torch_trt.load("./compiled.ep")

# This returns a new module with updated weights
new_trt_gm = refit_module_weights(
    compiled_module=compiled_trt_ep,
    new_weight_module=exp_program2,
    arg_inputs=inputs,
)

# Check the output
expected_outputs, refitted_outputs = exp_program2.module()(*inputs), new_trt_gm(*inputs)
for expected_output, refitted_output in zip(expected_outputs, refitted_outputs):
    assert torch.allclose(
        expected_output, refitted_output, 1e-2, 1e-2
    ), "Refit Result is not correct. Refit failed"

print("Refit successfully!")

高级用法

您可以使用许多设置来控制重新适配过程

权重映射缓存

权重重新适配的工作原理是将已编译模块的权重与用户提供的 ExportedProgram 中的新权重进行匹配。由于从 PyTorch 到 TensorRT 的 1:1 名称匹配很难实现，因此在重新适配时匹配权重的唯一保证方法是将新的 ExportedProgram 通过编译过程的早期阶段以生成几乎相同的权重名称。这可能很昂贵，并且并非总是必要。

为了避免这种情况，**在初始编译时**，Torch-TensorRt 将尝试缓存从 PyTorch 权重到 TensorRT 权重的直接映射。此缓存作为元数据存储在已编译模块中，可用于加速重新适配。如果缓存不存在，则重新适配系统将回退到在重新适配时重新构建映射。此缓存的使用由 use_weight_map_cache 参数控制。

由于缓存使用基于启发式的系统来匹配 PyTorch 和 TensorRT 权重，因此您可能希望验证重新适配。这可以通过将 verify_output 设置为 True 并提供示例 arg_inputs 和 kwarg_inputs 来完成。执行此操作时，重新适配系统将在相同的输入上运行重新适配的模块和用户提供的模块，并比较输出。

就地重新适配

in_place 允许用户就地重新适配模块。当用户想要更新已编译模块的权重而不创建新模块时，这很有用。