182、轻量化部署：ESPCN与FSRCNN的移动端优化及TensorRT加速实战

182、轻量化部署：ESPCN与FSRCNN的移动端优化及TensorRT加速实战去年帮一个做直播美颜的团队调超分模型，对方在骁龙865上跑FSRCNN，一帧720p要120ms，老板当场拍桌子说“这延迟用户早划走了”。我接手后第一件事不是改网络结构，而是把模型从PyTorch导出时顺手做了个操作——把Conv2d的groups参数从1改成输入通道数，结果速度直接砍半。后来才发现，FSRCNN里那个1x1卷积层在移动端GPU上根本跑不满，因为算子融合没做好。今天就把这些坑和解决方案掰开揉碎讲清楚。一、ESPCN的移动端适配：别被亚像素卷积骗了ESPCN的核心是那个亚像素卷积层（PixelShuffle），很多人觉得它比FSRCNN的转置卷积更“轻量”，但实际部署时你会发现，PixelShuffle在移动端GPU上的实现效率远低于预期。问题出在哪里？看代码：# 别这样写！这是PC端写法self.shuffle=nn.PixelShuffle(upscale_factor