使用新权重重新拟合 Torch-TensorRT 程序

编译是一个耗费资源的操作，因为它涉及到模型上应用许多图转换、翻译和优化。在模型权重可能偶尔更新（例如插入 LoRA 适配器）的情况下，如果每次都需要从头开始构建编译后的程序，那么重新编译的高昂成本可能会导致 TensorRT 无法使用。Torch-TensorRT 提供了一种 PyTorch 原生机制，无需从头开始重新编译即可通过权重重新拟合来更新已编译的 TensorRT 程序的权重。

在本教程中，我们将详细介绍

1. 将 PyTorch 模型编译为 TensorRT 图模块

2. 保存和加载图模块

3. 重新拟合图模块

本教程主要关注 AOT 工作流，在这种情况下用户最有可能需要手动重新拟合模块。在 JIT 工作流中，权重更改会触发重新编译。由于引擎之前已经构建，并且启用了引擎缓存，Torch-TensorRT 可以自动识别先前构建的引擎，触发重新拟合并代表用户缩短重新编译时间（参见：引擎缓存）。

标准工作流

导入和模型定义

import numpy as np
import torch
import torch_tensorrt as torch_trt
import torchvision.models as models
from torch_tensorrt.dynamo import refit_module_weights

np.random.seed(0)
torch.manual_seed(0)
inputs = [torch.rand((1, 3, 224, 224)).to("cuda")]

制作一个可重新拟合的编译程序

第一步是编译模块并像往常一样保存它。请注意，有一个额外的参数 immutable_weights 设置为 False。此参数用于指示正在构建的引擎应支持后续的权重重新拟合。没有这些设置构建的引擎将无法重新拟合。

在这种情况下，我们将编译一个带有随机初始化权重的 ResNet18 模型并保存它。

model = models.resnet18(pretrained=False).eval().to("cuda")
exp_program = torch.export.export(model, tuple(inputs))
enabled_precisions = {torch.float}
workspace_size = 20 << 30
min_block_size = 0
use_python_runtime = False
torch_executed_ops = {}
trt_gm = torch_trt.dynamo.compile(
    exp_program,
    tuple(inputs),
    use_python_runtime=use_python_runtime,
    enabled_precisions=enabled_precisions,
    min_block_size=min_block_size,
    torch_executed_ops=torch_executed_ops,
    immutable_weights=False,
    reuse_cached_engines=False,
)  # Output is a torch.fx.GraphModule

# Save the graph module as an exported program
torch_trt.save(trt_gm, "./compiled.ep", inputs=inputs)

用预训练权重重新拟合程序

随机权重对于推理没有用。但现在，我们不再重新编译模型，而是可以使用预训练权重重新拟合模型。这可以通过设置另一个带有目标权重的 PyTorch 模块并将其导出为 ExportedProgram 来完成。然后使用 refit_module_weights 函数用新权重更新已编译模块的权重。

# Create and compile the updated model
model2 = models.resnet18(pretrained=True).eval().to("cuda")
exp_program2 = torch.export.export(model2, tuple(inputs))


compiled_trt_ep = torch_trt.load("./compiled.ep")

# This returns a new module with updated weights
new_trt_gm = refit_module_weights(
    compiled_module=compiled_trt_ep,
    new_weight_module=exp_program2,
    arg_inputs=inputs,
)

# Check the output
model2.to("cuda")
expected_outputs, refitted_outputs = exp_program2.module()(*inputs), new_trt_gm(*inputs)
for expected_output, refitted_output in zip(expected_outputs, refitted_outputs):
    assert torch.allclose(
        expected_output, refitted_output, 1e-2, 1e-2
    ), "Refit Result is not correct. Refit failed"

print("Refit successfully!")

高级用法

您可以使用许多设置来控制重新拟合过程

权重映射缓存

权重重新拟合通过匹配编译模块的权重与用户提供的 ExportedProgram 中的新权重来工作。由于从 PyTorch 到 TensorRT 的 1:1 名称匹配很难实现，因此在*重新拟合时*匹配权重的唯一保证方法是让新的 ExportedProgram 通过编译过程的早期阶段以生成几乎相同的权重名称。这可能很昂贵，并且并非总是必需的。

为了避免这种情况，在初始编译时，Torch-TensorRt 将尝试缓存 PyTorch 权重到 TensorRT 权重的直接映射。此缓存存储在编译模块中作为元数据，可用于加速重新拟合。如果缓存不存在，重新拟合系统将回退到在重新拟合时重建映射。此缓存的使用由 use_weight_map_cache 参数控制。

由于缓存使用基于启发式系统来匹配 PyTorch 和 TensorRT 权重，您可能需要验证重新拟合。这可以通过将 verify_output 设置为 True 并提供示例 arg_inputs 和 kwarg_inputs 来完成。完成此操作后，重新拟合系统将使用相同的输入运行重新拟合的模块和用户提供的模块并比较输出。

就地重新拟合

in_place 允许用户就地重新拟合模块。当用户想要更新已编译模块的权重而无需创建新模块时，这非常有用。