模型部署工作

1. 训练好的模型在特定软硬件平台下推理
2. 针对硬件优化和加速的推理代码

训练设备平台：
CPU、GPU、DSP

ONNX存在的意义

模型与硬件之间的对应关系适配复杂度mxn的结果，导致开发复杂化、效率较低等问题

使用一种模型表达结构将训练框架的输出结构统一化，将模型部署复杂度从mxn转变为m+n

ONNX变身是一种模型格式，属于文本，不是程序，无法直接在设备上运行。因此，需要软件栈去加载ONNX模型，使其在硬件设备上高效推理。这个软件栈指的是模型的推理框架。推理框架分类硬件商自研和通用推理框架。自研推理框架底层优化较好，推理的计算效率较高，不具备普适性，无法应用到其他的芯片上。而通用推理框架是具备通用性，可应用在不同的软硬件平台下，降低开发难度，提升开发的效率，不需要用户关注底层框架，只需要将接口对应完成即可。
整体推理过程：先使用模型框架训练完成模型后，转换为ONNX模型结构，在使用推理框架，将ONNX模型高效地运行在软硬件平台下。

ONNX（Open Neural Network Exchange）

一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。不同的训练框架可采用相同格式存储模型并交互。由微软，亚马逊，Facebook和IBM等公司共同发起。

ONNX示例

使用torch.onnx.export进行onnx模型导出。

导出的onnx模型之后，进入netron.app进行模型结构可视化操作

ResNet的ONNX模型导出

参数讲解

模型推理示例

使用mmdeploy中示例，应用ONNX Runtime进行模型推理

使用TensorRT对ONNX模型进行推理

Batch调整

上述生成ONNX时，是使用（1, X,X,X）图像输入是1维度，导致模型推理时也为一张图一张图的推理，效率较慢，使用多张图进行模型推理，使用dynamic_axes参数即可实现。

在TensorRT模型数据格式转换中进行修改，minShapes和maxShapes参数设置

量化

除了使用Batch增加模型推理速度外，还可以使用量化进行加速。一般而言，使用float16不会影响模型的精度变化，而使用int8存储格式后模型精度会略有下降。

量化方式

1. 训练后量化：Post-training quantization（PTQ）
2. 训练时量化：Quantization-aware training（QAT）

如果使用的是QAT的话，是在模型训练过程中已经实现了模型精度的转换，使用onnx数据结构转换即可，而如果使用的是PTQ的话，需要在对应的计算平台上进行精度转换。

对称量化：取模型的数值对称区间，对应到INT8（-127，127）中，可以得到一个量化系数（简单理解为比例系数，127/6），从而将FP32中的数值与INT8进行对应。

在TensorRT中被称为calibration

常见问题