deep-learning - 如何改善部署的模型延迟

Question

问题： 如何在不重新训练模型的情况下改善 Web 部署的模型延迟？我应该标记哪些清单以提高模型速度？

背景： 我有多个模型，它们在一台机器上按顺序处理视频，带有一个 K80 GPU；每个模型大约需要 5 分钟来处理一个 1 分钟长的视频。在不改变模型架构的情况下，我应该尝试哪些想法和建议来改善每个模型的延迟？我应该如何构建我对这个问题的思考？

Answer 1

1. 如果适合您的用例，采样帧是最简单的技术。选择每 5 帧进行推理将使推理时间减少约 5 倍（理论上）。需要注意的是，如果您正在处理诸如对象跟踪之类的任务，则会降低准确性。
2. fp32 到 fp16 可能会提高您的推理速度。
3. Batch Inference 总是将推理时间降低不少。参考：https ://github.com/ultralytics/yolov5/issues/1806#issuecomment-752834571
4. 多进程并发推理基本上是在单独的进程上旋转超过 1 个相同模型的实例并并行推理。torch有一个多处理模块torch.multiprocessing。我从来没有使用过这个，但我认为设置会有点重要和复杂。