为什么使用 TensorRT 使用 INT8 推理会输出更多数据

Question

使用 TensorRT 实现了 INT8 引擎推理。

训练批大小为 50，推理批大小为 1。

但在输出推理时

[outputs] = common.do_inference(context, bindings=bindings, inputs=inputs, outputs=outputs, stream=stream, batch_size=1)

输出大小为 13680000。

它必须是 273600。使用 FP32/FP16 产生的输出大小为 273600。

为什么使用 INT8 的输出大小增加了 5 倍？

我的推理代码是

with engine.create_execution_context() as context:
      fps_time = time.time()
      inputs, outputs, bindings, stream = common.allocate_buffers(engine)
      im = np.array(frm, dtype=np.float32, order='C')
      #im = im[:,:,::-1]
      inputs[0].host = im.flatten()
      [outputs] = common.do_inference(context, bindings=bindings, inputs=inputs, outputs=outputs, stream=stream, batch_size=1)
      outputs = outputs.reshape((60, 80, 57))

Answer 1

这是因为训练批次大小为 50，并且为该批次大小分配了内存。

需要重塑输出 = outputs.reshape((50, 60, 80, 57))

然后取[0]张量，也就是我们用一张图片推理的结果。

为什么使用 TensorRT 使用 INT8 推理会输出更多数据

Why more output data using INT8 inference using TensorRT

tensorflow

tensorrt