首页
/ TensorRT中FP16精度转换导致NaN输出的问题分析与解决方案

TensorRT中FP16精度转换导致NaN输出的问题分析与解决方案

2025-05-20 04:11:29作者:邵娇湘

问题背景

在深度学习模型部署过程中,将模型从FP32精度转换为FP16精度是常见的优化手段,可以显著提升推理速度并减少显存占用。然而,在使用TensorRT进行FP16精度转换时,开发者可能会遇到模型输出NaN(非数字)的问题。

问题现象

当尝试将一个基于NAFNet架构的模型从FP32转换为FP16精度时,模型在FP32精度下能够产生正确的输出,但在FP16精度下却输出NaN值。通过Polygraphy工具比较ONNX Runtime和TensorRT的输出时,发现TRT-FP16的输出无效。

问题分析

经过深入分析,发现这个问题可能由以下几个原因导致:

  1. FP16精度范围限制:FP16的数值范围(约±65504)远小于FP32(约±3.4×10³⁸),在模型计算过程中容易出现数值溢出。

  2. 特定操作的影响:模型中的CumSum(累积求和)操作特别容易导致数值超出FP16的范围,因为随着求和次数的增加,数值会不断累积增大。

  3. TensorRT版本差异:有开发者报告称,在TensorRT 8.5版本中相同的模型可以正常工作,但在10.6和10.7版本中会出现NaN输出,这表明TensorRT内部实现的变化可能影响了FP16的数值稳定性。

解决方案

1. 混合精度策略

通过分析模型结构,可以识别出对数值精度敏感的关键层,并强制这些层保持FP32精度:

import onnx
model_path = 'model.onnx'
model = onnx.load(model_path)
graph = model.graph
matching_layer = []
for node in graph.node:
    for output in node.output:
        if 'sca' in output:  # 识别所有包含'sca'的层
            matching_layer.append(node)

layer_prec_str = ''
for layer in matching_layer:
    layer_prec_str += layer.name + ':fp32,'
layer_prec_str = layer_prec_str.removesuffix(',')

然后使用trtexec工具构建混合精度引擎:

trtexec --onnx=model.onnx --saveEngine=model_fp16.plan --fp16 \
        --precisionConstraints=prefer --layerPrecisions=<上面生成的层精度字符串>

2. 使用Polygraphy调试工具

TensorRT提供的Polygraphy工具可以帮助开发者调试精度问题:

polygraphy debug precision model.onnx --fp16 --tactic-sources cublas \
           --verbose -p float32 \
           --check polygraphy run polygraphy_debug.engine --trt \
           --load-inputs input.json --load-outputs golden.json --abs 1e-2

这个命令会尝试找出导致数值问题的层,并自动调整这些层的精度。

3. 考虑使用ONNX Runtime

如果模型在ONNX Runtime中能够正确运行FP16推理,而性能差异可以接受,可以考虑直接使用ONNX Runtime作为推理后端。

最佳实践建议

  1. 逐步转换策略:不要一次性将整个模型转换为FP16,而是逐步转换并验证每一部分的输出。

  2. 数值范围检查:在模型训练和转换过程中,添加数值范围检查机制,识别潜在的数值不稳定操作。

  3. 版本兼容性测试:如果可能,在不同版本的TensorRT上测试模型,选择最稳定的版本。

  4. 模型结构调整:对于特别容易出现数值问题的结构(如深层的累积操作),考虑从模型设计层面进行优化。

结论

FP16精度转换虽然能带来性能提升,但也引入了数值稳定性挑战。通过混合精度策略和适当的工具链支持,开发者可以在保持模型精度的同时获得FP16的性能优势。理解模型的计算特性和TensorRT的工作原理是解决这类问题的关键。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K