使用 Torch-TensorRT torch.compile 前端编译 GPT2

本示例展示了使用 Torch-TensorRT 的 torch.compile 前端优化的最新模型 GPT2。在编译前请安装以下依赖项。

pip install -r requirements.txt

GPT2 是一个因果（单向）Transformer，它在非常大的文本语料库上使用语言建模进行了预训练。在本示例中，我们使用 HuggingFace 上提供的 GPT2 模型，并对其应用 torch.compile 以获取图的图模块表示。Torch-TensorRT 将此图转换为优化的 TensorRT 引擎。

导入必要的库

import torch
import torch_tensorrt
from transformers import AutoModelForCausalLM, AutoTokenizer

定义必要的参数

Torch-TensorRT 需要 GPU 才能成功编译模型。MAX_LENGTH 是生成词元（token）的最大长度。这对应于输入提示的长度 + 生成的新词元的数量。

MAX_LENGTH = 32
DEVICE = torch.device("cuda:0")

模型定义

我们使用 AutoModelForCausalLM 类从 Hugging Face 加载预训练的 GPT2 模型。Torch-TRT 当前不支持 kv_cache，因此设置 use_cache=False。

with torch.no_grad():
    tokenizer = AutoTokenizer.from_pretrained("gpt2")
    model = (
        AutoModelForCausalLM.from_pretrained(
            "gpt2",
            pad_token_id=tokenizer.eos_token_id,
            use_cache=False,
            attn_implementation="eager",
        )
        .eval()
        .cuda()
    )

PyTorch 推理

对样本输入提示进行分词，并获取 PyTorch 模型输出。

prompt = "I enjoy walking with my cute dog"
model_inputs = tokenizer(prompt, return_tensors="pt")
input_ids = model_inputs["input_ids"].cuda()

AutoModelForCausalLM 类的 generate() API 用于使用贪心解码进行自回归生成。

pyt_gen_tokens = model.generate(
    input_ids,
    max_length=MAX_LENGTH,
    use_cache=False,
    pad_token_id=tokenizer.eos_token_id,
)

Torch-TensorRT 编译与推理

输入序列长度是动态的，因此我们使用 torch._dynamo.mark_dynamic API 对其进行标记。我们提供一个 (min, max) 范围，以便 TensorRT 预先知道要为哪些值进行优化。通常，这会是模型的上下文长度。由于 0/1 特化，我们从 min=2 开始。

torch._dynamo.mark_dynamic(input_ids, 1, min=2, max=1023)
model.forward = torch.compile(
    model.forward,
    backend="tensorrt",
    dynamic=None,
    options={
        "enabled_precisions": {torch.float32},
        "disable_tf32": True,
        "min_block_size": 1,
    },
)

使用 TensorRT 模型进行贪心解码的自回归生成循环。第一个词元的生成使用 TensorRT 编译模型，而第二个词元会遇到重新编译（这是当前的一个问题，将来会解决）。

trt_gen_tokens = model.generate(
    inputs=input_ids,
    max_length=MAX_LENGTH,
    use_cache=False,
    pad_token_id=tokenizer.eos_token_id,
)

解码 PyTorch 和 TensorRT 的输出句子

print(
    "Pytorch model generated text: ",
    tokenizer.decode(pyt_gen_tokens[0], skip_special_tokens=True),
)
print("=============================")
print(
    "TensorRT model generated text: ",
    tokenizer.decode(trt_gen_tokens[0], skip_special_tokens=True),
)

输出的句子应该看起来像这样：

"""
Pytorch model generated text:  I enjoy walking with my cute dog, but I'm not sure if I'll ever be able to walk with my dog. I'm not sure if I'll
=============================
TensorRT model generated text:  I enjoy walking with my cute dog, but I'm not sure if I'll ever be able to walk with my dog. I'm not sure if I'll
"""