请问结合Blade和Custom C++ Operator优化模型大概的操作流程是什么？
已解决请问结合Blade和Custom C++ Operator优化模型大概的操作流程是什么？
写回答
-
今天也要加油吖~采纳回答您好，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。
2023-01-29 13:05:26赞同 1 展开评论 打赏 -
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。
2023-01-29 15:58:50赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
