深度学习模型使用GPU/cuda推理刚开始会很慢，CUDA/GPU预热加速

在之前实现了torch转tensorRT加速后，发现推理速度确实大幅加快了，加速效果见
【torch-onnx-tensorRT加速】torch转tensorRT后加速效果
以及使用onnx实现tensorRT速度的方式：
torch转onnx模型加速，onnx模型推理直接达到tensorRT速度，省去onnx转tensorRT的流程

问题

但是，发现在使用深度学习模型基于GPU进行推理过程时，前几个批次格外的慢，正常跑起来后每次循环只要50ms，但第一个批次的时间要好几秒，后续速度逐渐加快，平稳后达到50ms每批次。

所以严重影响了整体的平均速度，通过搜索发现应该是由于GPU或CUDA需要预热，比如一些显存的开辟、数据交换等，解决方法就是在开始正式推理前，先让推理模型运行几次，以python为例

import torch 
input = torch.randn((batch, x, y, z), device='cuda')
for _ in range(n_warm):
	out = inference_model(input)

使用循环进行模型预热后的验证效果

待更新

参考:
https://blog.youkuaiyun.com/z240626191s/article/details/126291864
https://blog.youkuaiyun.com/qq_40231159/article/details/120901785