tongchenkeji 发表于：2023-1-29 13:03:460次点击 已关注取消关注 关注 私信 请问结合Blade和Custom C++ Operator优化模型大概的操作流程是什么？[阿里云机器学习PAI] 暂停朗读为您朗读 请问结合Blade和Custom C++ Operator优化模型大概的操作流程是什么？ 「点点赞赏，手留余香」 赞赏 还没有人赞赏，快来当第一个赞赏的人吧！ 海报 机器学习PAI# C77# 人工智能平台 PAI1410
晨光永不消逝AM 2023-11-28 2:49:49 1 您好，主要流程如下： 1.步骤一：创建带有Custom C++ Operators的PyTorch模型 使用TorchScript扩展实现RetinaNet的后处理部分。 2.步骤二：导出TorchScript模型 使用Detectron2提供的TracingAdapter或scripting_with_instances任何一种方式导出模型。 3.步骤三：调用Blade优化模型 调用blade.optimize接口优化模型，并保存优化后的模型。 4.步骤四：加载运行优化后的模型 经过对优化前后的模型进行性能测试，如果对结果满意，可以加载优化后的模型进行推理。
认真学习的heartAM 2023-11-28 2:49:49 2 大概操作流程如下： 得先需要在模型训练的过程中使用Blade进行代码的生成，并且在生成的代码中包含模型中需要优化的部分。 然后对生成的代码进行编写，并使用Custom C++ Operator来实现对模型中需要优化的部分进行优化。 完成Custom C++ Operator的编写之后，需要在代码中进行编译，并将编译后的库文件加载到Blade中。 通过Blade运行模型，并使用Custom C++ Operator优化后的模型进行推理。
您好，主要流程如下：
1.步骤一：创建带有Custom C++ Operators的PyTorch模型
使用TorchScript扩展实现RetinaNet的后处理部分。
2.步骤二：导出TorchScript模型
使用Detectron2提供的TracingAdapter或scripting_with_instances任何一种方式导出模型。
3.步骤三：调用Blade优化模型
调用blade.optimize接口优化模型，并保存优化后的模型。
4.步骤四：加载运行优化后的模型
经过对优化前后的模型进行性能测试，如果对结果满意，可以加载优化后的模型进行推理。
大概操作流程如下：
得先需要在模型训练的过程中使用Blade进行代码的生成，并且在生成的代码中包含模型中需要优化的部分。
然后对生成的代码进行编写，并使用Custom C++ Operator来实现对模型中需要优化的部分进行优化。
完成Custom C++ Operator的编写之后，需要在代码中进行编译，并将编译后的库文件加载到Blade中。
通过Blade运行模型，并使用Custom C++ Operator优化后的模型进行推理。