Onnxruntime 与 PyTorch

如何解决Onnxruntime 与 PyTorch

我已经使用 PyTorch 在我的自定义数据集上训练了 YOLO-v3 tiny。为了比较推理时间，我在 cpu 上尝试了 onnxruntime 以及 PyTorch GPU 和 PyTorch cpu。平均运行时间约为：

onnxruntime cpu：110 毫秒 - cpu 使用率：60% Pytorch GPU：50 毫秒 Pytorch cpu：165 毫秒 - cpu 使用率：40% 并且所有模型都使用批量大小 1。

但是，我不明白 onnxruntime 与 PyTorch cpu 相比如何更快，因为我没有使用 onnxruntime 的任何优化选项。我刚用过这个：

onnx_model = onnxruntime.InferenceSession('model.onnx')
onnx_model.run(None,{onnx_model.get_inputs()[0].name: input_imgs })

有人可以向我解释为什么没有任何优化它会更快吗？以及为什么在使用 onnxruntime 时 cpu 使用率更高。有什么办法可以让它保持下去吗？

提前致谢。

解决方法

ONNX Runtime 使用静态 ONNX 图，因此它具有图的完整视图，并且可以进行许多 PyTorch 不可能/难以完成的优化。从某种意义上说，它类似于编译型和解释型编程语言的实现。