深度学习模型使用GPU/cuda推理刚开始会很慢,CUDA/GPU预热加速

文章讨论了在使用深度学习模型基于GPU进行推理时,遇到的第一个批次速度特别慢的问题,原因在于GPU/CUDA需要预热。作者建议通过在正式推理前运行模型多次进行预热,给出的Python示例展示了如何使用循环进行预热。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

↣life♚

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值