英伟达昨日发布了其TensorRT 的 8.0 版本。TensorRT 可以看作是在英伟达各种 GPU 硬件平台下运行的一个深度学习推理框架，其核心是一个 C++ 库。
开发者可以将其他框架训练好的模型转化为 TensorRT 格式，并通过 TensorRT 推理引擎提升该模型的运行速度。芯东西等媒体和英伟达 AI 软件部的产品管理总监 Kari Briski、产品营销主管 Siddharth Sharma 就 TensorRT 8 的技术细节、应用落地等进行了深入地探讨。
此外，Kari Briski 和 Siddharth Sharma 也分享了英伟达团队在推荐系统竞赛中所取得的成绩。
一、运行速度和精准度提升 1 倍，推理延迟仅有 1 毫秒
Kari Briski 首先回顾了英伟达 TensorRT 的推出背景和成绩。她说，AI 模型正在以指数级的速度增长，很多公司不得不缩减模型大小以追求响应速度。而英伟达 2016 年推出的 TensorRT 可以帮助这些企业扩大其模型规模，提升精度。5 年来，已经有超过 35 万名开发者下载了 250 万次 TensorRT。TensorRT 7 也帮助英伟达创造了多项基准测试记录。
而相比 7.0 版本，TensorRT 8 的运行速度和精准度都提升了 1 倍。此外，TensorRT 8 还有 2 项较为关键的特性，提升了其 AI 推理性能。
第一个是稀疏性(Sparsity)技术，该技术能够提升英伟达 Ampere 架构 GPU 性能，可以在保持推理精度的同时，降低模型中的部分权重。这意味着模型所需的带宽和内存也会更小。
第二个是量化感知训练(Quantization Aware Training)。这使开发者能够利用训练好的模型，以 INT8 精度进行推理，既保证精度，也减少了计算和存储成本。
当前，开源 AI 公司 Hugging Face 和医疗方案解决商 GE 医疗正在应用 TensorRT。
Hugging Face 产品总监 Jeff Boudier 称，通过采用 TensorRT 8，Hugging Face 在 BERT(预训练的语言表征模型)上的推理延迟仅有 1.2 毫秒。
GE 医疗心血管超声首席工程师 Erik Steen 也谈道，当前临床医生需要花费宝贵的时间来选择和评估超声图像。TensorRT 则凭借其实时推理能力，提高了 GE 医疗的视图检测算法性能，能够加快临床医生的工作效率。
二、连获 3 项冠军，7 分钟即可完成 CPU 近 24 小时工作
除了 TensorRT 8 的具体细节，Kari Briski 和 Siddharth Sharma 也分享了英伟达推荐系统团队在 RecSys 推荐系统数据科学竞赛中所获得的成绩。推荐系统作为计算机科学较新的分支，能够帮助互联网用户找到自己想看、想玩、想买的内容。
在本次 ACM RecSys 挑战赛中，Twitter 会在 28 天内向参与者提供数百万个数据点，要求他们预测用户会点赞或转发哪些推文。规则要求选手的模型上限为 20 千兆字节，必须基于云端 CPU 的单一内核运行，且时间不能超过 24 小时。
英伟达的 7 人团队则第二次获得了这一比赛的冠军。
英伟达参赛成员之一的 Gilberto Titericz 认为，其推理模型需要去适应 CPU 核心是本次比赛的难点之一，对英伟达的团队来说“就好像回到了远古时代”。事实上，在比赛后，该团队在单个 NVIDIA A100 Tensor Core GPU 上运行了比赛模型，CPU 花费将近 24 小时的工作，英伟达 A100 GPU仅用了 7 分钟就完成运行。
此前 5 个月中，英伟达还参与了 Booking.com 挑战赛和 SIGIR 电子商务数据挑战赛。前者要求选手使用匿名数据点预测欧洲度假者最终选择前往的城市，后者则提供了 3700 万个数据点要求选手预测消费者会购买哪些产品。
这 2 项比赛吸引了阿里巴巴、沃尔玛等企业参与，而英伟达最终获得了 2 项比赛的冠军。
结语：TensorRT 可有效提升英伟达 GPU 推理表现
TensorRT 作为英伟达 GPU 的推理库，5 年中更新了 7 个版本。本次，英伟达推出的 TensorRT 8 相比上一版本再次有较大幅度的性能提升，侧面体现出了英伟达对推理领域的重视。
另外，TensorRT 也支持 Python 调用，可在数据中心、嵌入式和汽车等平台中应用。TensorRT 可以提升视频流传输、语音识别、推荐和自然语言处理等工作的推理延迟，满足了许多实时服务、自动和嵌入式应用的要求。
