文档摘要

5.3 FP16 混合精度推理 本节摘要：FP16 降低带宽与占用 Tensor Core，比 INT8 保真度高、比 FP32 快。ORT 通过 CUDA/TRT EP 的 fp16 选项或模型内 Cast 实现混合精度：骨干 FP16，BN/Softmax 等保留 FP32。 INT8 掉点无法接受时的中间路线 INT8 掉点无法接受，FP32 显存不够——FP16 是中间路线。 会员。《5.3 FP16 混合精度推理》收录于灏天文库文集《ONNX运行时架构》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/762-onnx%E8%BF%90%E8%A1%8C%E6%97%B6%E6%9E%B6%E6%9E%84

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流