热点

让Transformer的推理速度提高4.5倍,这个trick还能给你省十几万

字号+ 作者:牛骥同槽网 来源:认证考试 2026-11-23 我要评论(0)

让Transformer的推理速度提高4.5倍,这个trick还能给你省十几万

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

最近,NLP明星公司Hugging Face发布了一个叫做Infinity的产品,可以以1ms延时完成Transfo让Trmer的推理,性能相当高了。

但是,厉害归厉害,还是有点贵——1年至少要十几万块 (2万美元)。

那有没有什么平替的方法呢?

有的!还是开源的、“不费吹灰之力”就可以达到Infinity一些ra公共基准的那种。

并且现在,通过在该方法上施加一个小trick,将Transformer的推理速度提高4.5倍!

△ 帖子发布不到一天就收获了250+热度

那么,一个“平替”到底为什么能达到“付费”的效果ns呢?

一个trick让Transformer推理速度提高4.5倍

先来认识一下这个方法:Transformer-deploy。

它可以用一行命令优化和部署Hugging Face上的Transformer模fo型,并支持大多数基于Transformer编码器的模型,比如Bert、Roberta、miniLM、Camembert、Albert、XLM-R、Distilbert等。

Transformer-drmeploy推理服务器用的是Nvidia Triton。

推理引擎为Microsoft ONNX Runtime(用于CPU和GPU推理)和Nvidia TensorRT(仅限 GPU)。

如果想在GPU上获得一流的er性能,Nvidia Triton+Nvidia TensorRT这样的组合无疑是最佳选择。

虽然TensorRT用起来有点难,但它确实能比用Pytorch快5~10倍。

在实际性能测试中,Transf的推ormer-deploy在batch size为1、token分别为16和128的输入序列中的推理速度,都比付费的Hugging Face Infinity要快:

Transformer-deploy在理速token为16时要1.52ms,Infinity则需要1.7ms;token为128时需要1.99ms,Infinity则需要2.5ms。

那前面说的能让Transformer的推理性能进一度提步提高的小trick是什么呢?

GPU量化(quantization)。

作者表示:

据我所知,目前任何OOS云服务都还没用到过这个方法。

不过执行GPU量化需要修改模型源代码(需在矩阵乘法等代价高高4昂的操作上添加一些叫做QDQ的特定节点),既容易出错,又很无聊,并且还需自己维护修改后的代码。

因此作者已经为多个基于Transformer的模型手动完成了这项工作。

后来,他们又发现似乎只需修.5补模型模块的抽象语法树 (AST)也可以自动完成。

在用户端,在GPU上执行模型的基本量化类似这样:

最终,该方法在Roberta-base模型和MNLI数据集(分类任务)上实现了4.53倍的倍,推理速度。

当然这也牺牲了0.4个点的精度;如果一点不牺牲的话,也可以加速3.2倍左右。

作者表示,与Transformer-deploy原来的版本相比,这已经是一个很大的改进了,毕竟原版本的加速成本这个需要超过1个点的精确度。

最终他们用Albert、Bert(包括miniLM)、Distilbert、Roberta(包括 Camembert、XLM-R、DistilRoberta等)、Electra测tr试了该trick。

结果是对于任何可以导出为ONNX格式的Transformer模型,都可以“开箱即用”。

 

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 20分钟,这个AI就能创造复杂艺术作品!1080显卡就能跑

    20分钟,这个AI就能创造复杂艺术作品!1080显卡就能跑

    2026-07-06

  • 腾讯云披露 4 月 8 日服务故障原因:云 API 异常持续近 87 分钟

    腾讯云披露 4 月 8 日服务故障原因:云 API 异常持续近 87 分钟

    2026-08-11

  • ​英伟达开源 Audio2Face 模型,AI 助力实时面部动画生成

    ​英伟达开源 Audio2Face 模型,AI 助力实时面部动画生成

    2026-07-26

  • AI用50个三角形画出抽象版蒙娜丽莎,有股后现代的感觉了

    AI用50个三角形画出抽象版蒙娜丽莎,有股后现代的感觉了

    2026-08-27

网友点评