确认过的眼神：这是一份NVIDIA TensorRT 4.0的实战教程

NVIDIA TensorRT是一个高性能的深度学习推理优化器和runtime，为深度学习推理应用程序提供低延迟和高吞吐量。您可以从每个深度学习框架中导入经过训练的模型到TensorRT中，并轻松地创建可以集成到更大的应用程序和服务中的高效推理引擎。

本视频演示了使用NVIDIA TensorRT优化基于多层感知器的推荐系统(recommendation systems)的步骤，该系统是针对MovieLens数据集进行的。

这段视频中有五个要点:

1. 在包含在TensorRT中的通用框架格式(UFF)工具包中，将经过训练的TensorFlow模型导入到TensorRT非常容易。
2. 您可以向经过训练的模型添加一个额外的层，甚至再将其导入到TensorRT之后。
3. 您可以将引擎序列化为一个内存块，然后您可以将其序列化到一个文件或流中。这消除了再次执行优化步骤的需要。
4. 虽然模型的训练精度较高(FP32)，但TensorRT提供了低精度推理的灵活性(FP16)。
5. TensorRT 4包含了新的操作，如Concat、Constant和TopK，以及对多层感知器的优化，以加快推荐系统的推理性能。