文章目录
前言
模型部署的方式有很多,pytorch框架下有一种由官方提供的方式:使用TorchScript将pytorch训练的模型转换为C++环境支持的模型
TorchScript是一种从PyTorch代码创建可序列化和可优化模型的方法。任何TorchScript程序都可以从Python进程中保存,并加载到没有Python依赖的进程中。
一、TorchScript模型的两种生成方式(torch.jit.trace和torch.jit.script)
1、torch.jit.trace
(1)使用方式:给定一个模型(模型加载好已经训练完成的权值文件)和一个示例(示例大小要和模型的输入相同),进行一次forward,tracing就可以记录整个数据流,然后返回一个跟踪模型。
(2)适应场景:
- 无控制流(if/else,for loop):torch.jit.trace方式只跟踪执行的代码,如控制流中未被执行的代码会被删除。
- 模型只为了推理:另一种方式torch.jit.script会保存完整的mode(eval/train)
代码如下(示例):