0

我第一次以与本教程相同的方式完成了 PyTorch 模块的量化和脚本化过程：https ://leimao.github.io/blog/PyTorch-Static-Quantization/

教程代码运行良好，但是当我将它翻译成我自己的编码器解码器模块时，我看到了一些奇怪的行为。所以这里有一些相关的代码：

def measure_inference_latency(model, input_size, num_samples=100, num_warmups=10):
    model.eval()

    x = torch.rand(size=input_size)

    with torch.no_grad():
        for _ in range(num_warmups):
            _ = model(x)
    # torch.cuda.synchronize()

    with torch.no_grad():
        start_time = time.time()
        for _ in trange(num_samples):
            _ = model(x)
            # torch.cuda.synchronize()
        end_time = time.time()
    elapsed_time = end_time - start_time
    elapsed_time_ave = elapsed_time / num_samples

    return elapsed_time_ave


num_samples = 5
fp32_latency = measure_inference_latency(model_fp32, input_size = [1, 3] + CFG.image_dim, num_samples=num_samples)
q_latency = measure_inference_latency(model_q, input_size = [1, 3] + CFG.image_dim, num_samples=num_samples)
start = time.time()
qj_latency = measure_inference_latency(model_qj, input_size = [1, 3] + CFG.image_dim, num_samples=num_samples)
print(time.time() - start)

我得到的输出是：

FP32 inference latency: 269.17 ms
Quantized inference latency: 38.93 ms
Quantized + JIT inference latency: 24.36 ms

看起来很合理，但这是我注意到的问题：

  1. 在挂钟时间，这qj_latency条线运行了大约 17 秒。我将其缩小到measure_inference_latency未包含在最后报告的时间中的预热步骤。当我在热身中添加进度条时，我注意到大部分时间都在第一步。TorchScript 模块需要很长的预热时间吗？
  2. 有一次我的整台电脑刚刚关闭（Ubuntu 20.04.2 LTS）。

我知道我没有提供完整的代码，但首先我想知道是否有一个我不知道的明显答案。

4

0 回答 0