TensorRT 및 추론 엔진
TensorRT는 훈련된 신경망을 NVIDIA GPU에서 훨씬 빠르게 실행되는 고도로 최적화된 엔진으로 컴파일하는 NVIDIA의 라이브러리입니다.
개요
It matters because the same model can run 2-6x quicker and cheaper at inference time without changing what it predicts.
심층 분석
추론 엔진은 훈련된 모델을 가져와 대상 하드웨어에서 가능한 가장 빠른 실행을 위해 다시 작성합니다. TensorRT는 여러 단계를 통해 NVIDIA GPU에 대해 이 작업을 수행합니다. 레이어 융합을 수행하여 컨볼루션, 바이어스 추가 및 ReLU와 같은 작업을 단일 GPU 커널로 병합하여 메모리 트래픽을 줄입니다. 정확도를 유지하면서 FP32에서 FP16 또는 INT8(및 호퍼의 FP8)로 떨어지는 정밀 교정을 적용합니다. 커널 자동 조정을 실행하여 정확한 GPU에서 각 레이어의 여러 구현을 벤치마킹하고 가장 빠른 것을 선택합니다. 그 결과는 하나의 GPU 아키텍처에 맞게 조정된 직렬화된 '엔진' 파일입니다. TensorRT-LLM은 페이징된 KV 캐시, 진행 중인 일괄 처리 및 대규모 언어 모델을 위한 텐서 병렬 처리를 통해 이를 확장합니다.
기술적 통찰력
가장 큰 속도 향상은 두 가지 트릭에서 비롯됩니다. 커널 융합은 빠른 레지스터와 공유 메모리에 중간 결과를 유지함으로써 느린 GPU 전역 메모리로의 왕복을 제거합니다. INT8에 대한 양자화는 하나의 FP32가 있는 곳에 4개의 값을 압축하여 텐서 코어의 산술 처리량을 4배로 늘립니다. 그러나 감소된 숫자 범위로 인해 정확도가 저하되지 않도록 텐서별 배율 인수를 계산하려면 교정 데이터세트가 필요합니다. 자동 튜닝은 해당 GPU의 정확한 코어 및 메모리 레이아웃에 맞는 최적의 커널을 굽기 때문에 엔진은 하드웨어별로 다릅니다.
전략적 영향
비용 및 예산
아키텍처 결정은 수년 동안 성능과 운영 비용을 결정합니다.
더 명확한 결정들
기술 교육은 팀이 최신 스택뿐만 아니라 올바른 스택을 선택하는 데 도움이 됩니다.
품질 관리
더 나은 엔지니어링 선택은 생산 시 신뢰성 사고를 줄입니다.
TensorRT 및 추론 엔진의 미래
추론 엔진은 더 낮은 정밀도(FP8, FP4 및 혼합 방식)와 추측 디코딩 및 더 스마트한 KV 캐시 페이징과 같은 LLM 관련 기능을 향해 나아가고 있습니다. TensorRT-LLM과 vLLM과 같은 경쟁업체는 분리된 사전 채우기/디코딩 및 연속 일괄 처리에 집중하고 있습니다. 대규모 모델을 저렴하게 제공하는 것이 중심 비용 싸움이 되면서 더 긴밀한 컴파일러 통합(Torch-TensorRT, ONNX), 수동 보정이 적은 자동 양자화, 전문가 혼합 라우팅에 대한 광범위한 지원을 기대합니다.
실제 구현
YOLO 객체 감지 모델을 TensorRT INT8 엔진으로 변환하여 로봇이나 스마트 카메라의 NVIDIA Jetson에서 실시간으로 실행
챗봇 백엔드의 H100 GPU에서 초당 토큰을 최대화하기 위해 비행 중 일괄 처리를 사용하여 TensorRT-LLM으로 Llama 또는 Mistral 모델 제공
라이브 캡션 서비스에서 전사 대기 시간을 줄이기 위해 FP16 정밀도로 음성 인식 모델을 최적화합니다.
낮은 GPU 비용으로 초당 수백만 개의 요청을 처리하기 위해 추천 순위 네트워크를 융합된 TensorRT 엔진으로 컴파일
위험 및 가드레일
하나의 벤치마크를 최적화하면 더 광범위한 시스템 약점을 숨길 수 있습니다.
인프라 및 유지 관리 비용은 종종 과소평가됩니다.
시스템이 더욱 복잡해짐에 따라 보안 및 관찰 가능성의 격차가 커질 수 있습니다.
구현 로드맵
구현하기 전에 지연 시간, 품질, 비용 목표를 정의하세요.
현실적인 로드 및 데이터 조건에서 벤치마킹합니다.
오류, 드리프트 및 사용자 영향에 대한 계측기 모니터링.
확장하기 전에 롤백 및 사고 대응 경로를 준비하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the TensorRT and Inference Engines quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
AI 추론 최적화
자주 묻는 질문
What is TensorRT and Inference Engines?
TensorRT는 훈련된 신경망을 NVIDIA GPU에서 훨씬 빠르게 실행되는 고도로 최적화된 엔진으로 컴파일하는 NVIDIA의 라이브러리입니다. 이는 동일한 모델이 추론 시 예측 내용을 변경하지 않고 2~6배 더 빠르고 저렴하게 실행될 수 있기 때문에 중요합니다.
TensorRT와 같은 추론 엔진의 주요 목적은 무엇입니까?
추론 엔진은 이미 훈련된 모델을 가져와 특정 하드웨어에서 최대 속도를 위해 다시 작성합니다. 그들은 모델을 훈련시키지 않습니다.
레이어 융합은 어떻게 추론 속도를 높이나요?
Fusion은 전환, 바이어스 및 활성화와 같은 작업을 단일 커널로 결합하므로 중간 결과가 느린 전역 메모리에 다시 기록되지 않고 빠른 메모리에 유지됩니다.
INT8 양자화에 일반적으로 교정 데이터 세트가 필요한 이유는 무엇입니까?
교정은 모델을 통해 대표 데이터를 실행하여 텐서별 배율 인수를 결정하므로 제한된 INT8 범위는 중요한 값 분포를 유지합니다.
컴파일된 TensorRT 엔진이 일반적으로 하나의 GPU 아키텍처에만 적용되는 이유는 무엇입니까?
자동 튜닝은 대상 GPU의 커널을 벤치마킹하고 최적의 커널을 선택하여 해당 아키텍처의 특성에 엔진을 연결합니다.
TensorRT-LLM의 어떤 기능이 특히 대규모 언어 모델을 효율적으로 제공하는 데 도움이 됩니까?
TensorRT-LLM은 진행 중인 일괄 처리 및 페이징된 KV 캐시와 같은 LLM 관련 최적화를 추가하여 텍스트 생성 워크로드의 처리량을 최대화합니다.