◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。
如何在 Torch-TensorRT 中实现动态 Batch Size？
ID:21255 / 打印
在 torch-tensorrt 中设置动态 batch size
在将 pytorch 模型转换为 tensorrt 格式以进行推理时，我们可能需要设置动态 batch size 来适应不同的预测场景。传统的 compile() 方式无法满足这一需求，以下展示如何使用 input 对象设置动态 batch size 范围：
from torch_tensorrt import Input # 定义输入维度 image_channel = 3 image_size = 224 # 设置最小形状、最佳形状和最大形状 min_shape = [1, image_channel, image_size, image_size] opt_shape = [1, image_channel, image_size, image_size] max_shape = [100, image_channel, image_size, image_size] # 创建 Input 对象 inputs = [ Input(min_shape, opt_shape, max_shape) ] # 编译模型，启用 fp16 精度 trt_ts_module = torch_tensorrt.compile(model, inputs, enabled_precisions={torch.float})通过设置 max_shape 为所需的动态 batch size 上限，即可在编译过程中指定动态 batch size 范围。值得注意的是，这个范围应该根据硬件资源和显存限制进行调整。
