PyTorch:如何进行批量推理(并行推理)
如何在PyTorch中进行批量推理?如何并行进行推理以加速代码的这一部分 我从做推理的标准方法开始:PyTorch:如何进行批量推理(并行推理),pytorch,Pytorch,如何在PyTorch中进行批量推理?如何并行进行推理以加速代码的这一部分 我从做推理的标准方法开始: with torch.no_grad(): for inputs, labels in dataloader['predict']: inputs = inputs.to(device) output = model(inputs) output = output.to(device) 我已经研究过了,唯一提到的并行推理(在同一台机器中)
with torch.no_grad():
for inputs, labels in dataloader['predict']:
inputs = inputs.to(device)
output = model(inputs)
output = output.to(device)
我已经研究过了,唯一提到的并行推理(在同一台机器中)似乎是在Dask库中:
目前正在尝试理解该库并创建一个工作示例。同时,你知道更好的方法吗?在pytorch中,输入张量总是在第一个维度中有批次维度。因此,按批次进行推理是默认行为,只需将批次维度增加到大于1即可
例如,如果您的单个输入是
[1,1]
,则其输入张量是[[1,1],]
,形状为(1,2)
。如果有两个输入[1,1]
和[2,2]
,则生成带有形状(2,2)的输入张量[[1,1],[2,2],]
。这通常是在批处理生成器函数中完成的,如数据加载器
如果输入
是一批输入,则代码会分批进行推断。如果您认为它很慢,首先检查GPU是否被充分利用(内存和利用率)。让我们知道。