TensorRT 支持不同的數(shù)據(jù)格式。有兩個(gè)方面需要考慮：數(shù)據(jù)類(lèi)型和布局。

數(shù)據(jù)類(lèi)型格式

數(shù)據(jù)類(lèi)型是每個(gè)單獨(dú)值的表示。它的大小決定了取值范圍和表示的精度，分別是FP32（32位浮點(diǎn)，或單精度），F(xiàn)P16（16位浮點(diǎn)或半精度），INT32（32位整數(shù)表示），和 INT8（8 位表示）。

布局格式

布局格式確定存儲(chǔ)值的順序。通常，batch 維度是最左邊的維度，其他維度指的是每個(gè)數(shù)據(jù)項(xiàng)的方面，例如圖像中的C是通道， H是高度， W是寬度。忽略總是在這些之前的批量大小， C 、 H和W通常被排序?yàn)镃HW （參見(jiàn)圖 1 ）或HWC （參見(jiàn)圖 2 ）。

圖1. CHW的布局格式：圖像分為HxW矩陣，每個(gè)通道一個(gè)，矩陣按順序存儲(chǔ)；通道的所有值都是連續(xù)存儲(chǔ)的。

圖2. HWC的布局格式：圖像存儲(chǔ)為單個(gè)HxW矩陣，其值實(shí)際上是 C 元組，每個(gè)通道都有一個(gè)值；一個(gè)點(diǎn)（像素）的所有值都是連續(xù)存儲(chǔ)的。

為了實(shí)現(xiàn)更快的計(jì)算，定義了更多格式以將通道值打包在一起并使用降低的精度。因此，TensorRT 還支持NC / 2HW2和NHWC8等格式。

在NC / 2HW2 （ TensorFormat：：kCHW2 ） 中，通道值對(duì)在每個(gè)HxW矩陣中打包在一起（在奇數(shù)通道的情況下為空值）。結(jié)果是一種格式，其中? C/2 ? HxW矩陣的值是兩個(gè)連續(xù)通道的值對(duì)（參見(jiàn)圖 3 ）；請(qǐng)注意，如果它們?cè)谕粚?duì)中，則此排序?qū)⒕S度交錯(cuò)為具有步長(zhǎng)1的通道的值，否則將步長(zhǎng)為 2xHxW 。

圖 3. 一對(duì)通道值在每個(gè)HxW矩陣中打包在一起。結(jié)果是一種格式，其中［C/2］ HxW矩陣的值是兩個(gè)連續(xù)通道的值對(duì)

在NHWC8 （ TensorFormat：：kHWC8 ） 中， HxW矩陣的條目包括所有通道的值。此外，這些值被打包在? C/8 ? 8 元組中，并且C向上舍入到最接近的 8 倍數(shù)。

在這種NHWC8格式中， HxW矩陣的條目包括所有通道的值。

其他TensorFormat遵循與前面提到的TensorFormat：：kCHW2和TensorFormat：：kHWC8類(lèi)似的規(guī)則。

關(guān)于作者

Ken He 是 NVIDIA 企業(yè)級(jí)開(kāi)發(fā)者社區(qū)經(jīng)理 & 高級(jí)講師，擁有多年的 GPU 和人工智能開(kāi)發(fā)經(jīng)驗(yàn)。自 2017 年加入 NVIDIA 開(kāi)發(fā)者社區(qū)以來(lái)，完成過(guò)上百場(chǎng)培訓(xùn)，幫助上萬(wàn)個(gè)開(kāi)發(fā)者了解人工智能和 GPU 編程開(kāi)發(fā)。在計(jì)算機(jī)視覺(jué)，高性能計(jì)算領(lǐng)域完成過(guò)多個(gè)獨(dú)立項(xiàng)目。并且，在機(jī)器人和無(wú)人機(jī)領(lǐng)域，有過(guò)豐富的研發(fā)經(jīng)驗(yàn)。對(duì)于圖像識(shí)別，目標(biāo)的檢測(cè)與跟蹤完成過(guò)多種解決方案。曾經(jīng)參與 GPU 版氣象模式GRAPES，是其主要研發(fā)者。

審核編輯：郭婷