自今年5月份TensorRT 8-EA版（Early Access，嚐鮮版）發布之後，英偉達終於在本週二發布了TensorRT 8的正式版。作為支持英偉達GPU平台的深度學習推理框架，TensorRT 8正式版與以往的版本相比，能夠在在1.2毫秒內運行全球最廣為採用的基於transforemer模型之一——BERT-Large，即將語言查詢推理時間縮短至上一個版本的一半，創下最新記錄，為搜索引擎、廣告推薦和聊天機器人的AI模型提供支持。英偉達官方聲稱，TensorRT8 不僅針對transformer 作出突破性優化，還新增其他兩項關鍵特性，實現AI 推理方面的突破。

推理時間縮短至1.2 毫秒，速度提升1 倍

“AI 模型以指數級的速度增長，很多公司不得不縮減模型大小以追求響應速度。英偉達2016 年推出的TensorRT 可以幫助這些企業擴大規模，提升精度。” 英偉達AI 軟件部的產品管理總監Kari Briski 回顧TensorRT 推出的背景時說道。

TensorRT 是英偉達自家的深度學習推理框架，在模型推理的過程中，可以將Pytorch、TensorFlow 等其他框架訓練好的模型轉化為TensorRT 格式，再使用TensorRT 推理引擎運行，從而提升這一模型在GPU 上的運行速度。

因此，支持更多的模型和進一步縮短推理時間，提高推理速度是廣大AI 軟件開發者對TensorRT 升級的普遍期望。

2019 年，黃仁勳在GTC China 上發布TensorRT 7。相比於只支持30 多種模型的TensorRT 5，TensorRT 7 能夠支持各種類型的RNN、Transformer 和CNN， 支持多達1000 多種不同類型的計算變換和優化，還能讓推理時間縮短至0.3 秒，為此黃仁勳將其稱之為“我們實現的最大飛躍”。

這次更新的TensorRT 8 版本，雖然升級“飛躍”程度比不上從5.0 版本到7.0 版本的升級，但也有一定程度的更新。

英偉達宣稱，TensorRT 8 的各項優化為語言帶來了創紀錄的速度，能夠在1.2 毫秒內運行全球最廣為採用的基於transforemer 模型之一——BERT-Large， 幫助企業將模型擴大一倍或兩倍，從而提高精度。

落實到具體的應用上，這種推理速度的提升能夠讓對話式AI 更加智能，交互應用程序的性能也能夠得以提升。

新增兩項核心技術，是推理速度提升的關鍵

在此之前，之所以能夠憑藉TensorRT 提升模型在英偉達GPU 上的運行速度，主要得益於TensorRT 的一系列優化，這些優化包括：

• 權重與激活精度校準：通過將模型量化為INT8 來更大限度提升吞吐量，同時保持高精度，力求精度和吞吐量的最大平衡；
• 層與張量融合：通過融合內核中的節點，優化GPU 顯存和帶寬的使用；
• 內核自動調整：基於目標GPU 選擇最佳的數據層和算法；
• 動態張量顯存：更大限度減少顯存佔用，並高效地為張量重複利用內存；
• 多流執行：並行處理多個輸入流的可擴展設計；

簡單而言，就是在力求以低混合精度提升吞吐量的同時，減少計算和內存訪問，合併網絡層。

而在TensorRT 8 版本中，英偉達又新加入兩個關鍵特性，以實現AI 推理方面的突破。

其一是稀疏性。TensorRT 8中使用稀疏性技術，在保證精度推理的同時，降低深度學習模型中的部分權重，減小模型所需要的帶寬和內存，在提升效率的同時使開發者能夠通過減少計算操作來加速神經網絡。

這項技術能夠幫助NVIDIA Ampere 架構GPU 得到性能上的提升。

其二是量化感知訓練。開發者能夠使用訓練好的模型，以INT8精度運行推理，且不會造成精度損失，大大減少計算和存儲成本，在Tensor Core核心上實現高效推理。

TensorRT 誕生第五年，下載次數近250 萬次

推理模型上的速度優勢讓TensorRT 廣受歡迎。五年來，已有來自醫療、汽車、金融和零售等各個領域的27500 家企業，超過25 萬名開發者下載使用TensorRT， 累計次數近250 萬次。

GE 醫療是TensorRT 的使用者之一，他們用TensorRT 助力加速早期檢測疾病的關鍵工具——超聲波計算機視覺創新，使臨床醫生能夠通過其職能醫療解決方案提供方最高質量的護理。

GE 醫療心血管超聲首席工程師Erik Steen 表示:“臨床醫生需要花費寶貴的時間來選擇和評估超聲圖像。在Vivid Patient Care Elevated Release 項目的研發過程中，我們希望通過在Vivid E95 掃描儀上實施自動心臟視圖檢測，使這一過程變得更加高效。心臟視圖識別算法將選擇合適的圖像來分析心壁運動。TensorRT 憑藉其實時推理能力，提高了視圖檢測算法的性能，同時縮短了我們研發項目的產品上市時間。”

開源AI 技術的領導者Hugging Face 也在同英偉達展開密切合作，其產品總監Jeff Boudier 表示，通過TensorRT 8，Hugging Face 在BERT 上實現了1 毫秒的推理延遲，十分期待能在今年晚些時候為客戶提供這一性能。

目前，TensorRT 8 已經全面上市，且面向英偉達計劃開發者成員免費提供，用戶能夠從TensoRT GitHub 庫中獲得最新版本插件、解析器和样本開放源代碼。