torch.jit.optimize_for_inference¶
- torch.jit.optimize_for_inference(mod, other_methods=None)[源代码]¶
执行一组优化步骤以优化模型,以用于推理目的。
如果模型尚未冻结,optimize_for_inference 将自动调用 torch.jit.freeze。
除了应加速模型的通用优化(无论环境如何)之外,准备推理还将烘焙构建特定设置(例如 CUDNN 或 MKLDNN 的存在),并且将来可能会进行转换,这些转换可以加速一台机器上的速度,但在另一台机器上却会降低速度。因此,在调用 optimize_for_inference 后,不实现序列化,也不保证序列化。
这仍处于原型阶段,可能会导致模型速度变慢。迄今为止,已针对的主要用例是 CPU 上的视觉模型,以及在较小程度上 GPU 上的视觉模型。
示例(优化具有 Conv->Batchnorm 的模块)
import torch in_channels, out_channels = 3, 32 conv = torch.nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=2, bias=True) bn = torch.nn.BatchNorm2d(out_channels, eps=.001) mod = torch.nn.Sequential(conv, bn) frozen_mod = torch.jit.optimize_for_inference(torch.jit.script(mod.eval())) assert "batch_norm" not in str(frozen_mod.graph) # if built with MKLDNN, convolution will be run with MKLDNN weights assert "MKLDNN" in frozen_mod.graph
- 返回类型