Torch-TensorRT 详解¶
Torch-TensorRT 是一个用于 PyTorch 模型的编译器，通过 TensorRT 模型优化 SDK 定位 NVIDIA GPU。它旨在为 PyTorch 模型提供更好的推理性能，同时保持 PyTorch 出色的易用性。
Dynamo 前端¶
Dynamo 前端是 Torch-TensorRT 的默认前端。它利用了 PyTorch 的 dynamo 编译器栈。
torch.compile (即时编译 JIT)¶
torch.compile 是一个 JIT 编译器栈，因此编译会延迟到首次使用时进行。这意味着当图中的条件发生变化时，图会自动重新编译。这为用户提供了最大的运行时灵活性，但限制了有关序列化的选项。
在底层，torch.compile 将其认为可以下层到 Torch-TensorRT 的子图委托给它。Torch-TensorRT 进一步将这些图下层为仅包含 Core ATen Operators 或适合 TensorRT 加速的特定“高级算子”的操作。子图会进一步划分为将在 PyTorch 中运行的部分和根据算子支持情况将进一步编译为 TensorRT 的部分。然后，TensorRT 引擎会替换受支持的块，并将混合子图返回给 torch.compile 以便在调用时运行。
接受的格式¶
torch.fx GraphModule (
torch.fx.GraphModule)PyTorch 模块 (
torch.nn.Module)
返回值¶
首次调用时触发编译的封装函数
torch_tensorrt.dynamo.compile (提前编译 AOT)¶
torch_tensorrt.dynamo.compile 是一个 AOT 编译器，模型在显式的编译阶段进行编译。这些编译产物可以被序列化并在以后重新加载。图通过 torch.export.trace 系统下层为仅包含 Core ATen Operators 或适合 TensorRT 加速的特定“高级算子”的操作图。子图会进一步划分为将在 PyTorch 中运行的部分和根据算子支持情况将进一步编译为 TensorRT 的部分。然后，TensorRT 引擎会替换受支持的块，并将混合子图打包到 ExportedProgram 中，该程序可以被序列化和重新加载。
接受的格式¶
torch.export.ExportedProgram (
torch.export.ExportedProgram)torch.fx GraphModule (
torch.fx.GraphModule) (通过torch.export.export)PyTorch 模块 (
torch.nn.Module) (通过torch.export.export)
返回值¶
torch.fx.GraphModule (可使用
torch.export.ExportedProgram序列化)
传统前端¶
由于 PyTorch 生态系统多年来出现了一些编译器技术，Torch-TensorRT 保留了一些针对它们的传统功能。
TorchScript (torch_tensorrt.ts.compile)¶
TorchScript 前端是 Torch-TensorRT 最初的默认前端，针对 TorchScript 格式的模型。提供的图将被划分为受支持和不受支持的块。受支持的块将下层到 TensorRT，不受支持的块将保留使用 LibTorch 运行。结果图将作为 ScriptModule 返回给用户，该模块可以使用 Torch-TensorRT PyTorch 运行时扩展进行加载和保存。
接受的格式¶
TorchScript 模块 (
torch.jit.ScriptModule)PyTorch 模块 (
torch.nn.Module) (通过torch.jit.script或torch.jit.trace)
返回值¶
TorchScript 模块 (
torch.jit.ScriptModule)
FX 图模块 (torch_tensorrt.fx.compile)¶
此前端几乎已完全被 Dynamo 前端取代，Dynamo 前端是 FX 前端可用功能的超集。原始 FX 前端保留在代码库中是为了向后兼容。
接受的格式¶
torch.fx GraphModule (
torch.fx.GraphModule)PyTorch 模块 (
torch.nn.Module) (通过torch.fx.trace)
返回值¶
torch.fx GraphModule (
torch.fx.GraphModule)
torch_tensorrt.compile¶
由于存在许多不同的前端和支持的格式，我们提供了一个名为 torch_tensorrt.compile 的便捷层，允许用户访问所有不同的编译器选项。您可以通过设置 ir 选项来指定 torch_tensorrt.compile 使用哪种编译器路径，告知 Torch-TensorRT 尝试通过特定的中间表示形式来下层提供的模型。
ir 选项¶
torch_compile: 使用torch.compile系统。立即返回一个在首次调用时进行编译的封装函数。dynamo: 通过torch.export/ torchdynamo 栈运行图。如果输入模块是torch.nn.Module，则必须是“可导出追踪的”，因为该模块将使用torch.export.export进行追踪。返回一个torch.fx.GraphModule，该模块可以立即运行或通过torch.export.export或torch_tensorrt.save进行保存。torchscript或ts: 通过 TorchScript 栈运行图。如果输入模块是torch.nn.Module，则必须是“可脚本化的”，因为该模块将使用torch.jit.script进行编译。返回一个torch.jit.ScriptModule，该模块可以立即运行或通过torch.save或torch_tensorrt.save进行保存。fx: 通过torch.fx栈运行图。如果输入模块是torch.nn.Module，它将使用torch.fx.trace进行追踪，并受其限制。
