TensorRT学习笔记2 - 基础知识_tensorrt精度下降

TensorRT是什么

       大家或多或少都训练过神经网络，比如LeNet、YOLO、SSD等。我们也都知道，模型的训练速度和测试速度大幅依赖于GPU的性能。但是如果想在生活中使用这些方法（目标检测、人脸识别等），比如在手机中使用目标检测方法，我们不可能在手机中安装一个GPU集群。但是不用GPU就会导致测试速度变慢，咋办？
       NVIDIA推出了TensorRT，它可以加速高性能推理（high performance inference），使用TensorFlow、Caffe、PyTorch等训练好的模型进行预测（推理），在精度下降很少的同时，大幅提高推理速度。
       模型训练的时候因为要保证前后向传播，每次梯度的更新是很微小的，这个时候需要相对较高的精度，一般来说需要float型，如FP32，32位的浮点型来处理数据，但是在推断（Inference）的时候，对精度的要求没有那么高，很多研究表明可以用低精度，如半长（16）的float型，即FP16，也可以用8位的整型（INT8）来做推断（Inference），没有特别大的精度损失。

TensorRT怎么用

       在使用TensorRT的过程中，我们的设备上无需安装TensorFlow、Caffe等框架，可以直接对各种框架训练好的模型进行解析，将其转换为"TensorRT Runtime Engine"
       TensorRT工作的基本过程如下：(1).得到GIE模型，这里包括两种方法：使用训练好的模型转化 or 自己构建GIE模型（可参考sampleMNIST_API）；(2).运行GIE；(3).得到结果。
       但是，TensorRT中只实现了一部分常用层，比如conv、pool、concat等，如果要用到更加复杂或者特定的层，需要使用plugin实现custom layer。一个简单的教程在这里。

相关链接

• 下载链接
• 安装教程
• TensorRT简介
• 入门Samples教程
• 官方Doc(c_api)
• 官方Doc(py_api)
• CUDA Doc