NVIDIA在TensorRT 11.1中推出全局性能调优器，把编译器的调度选择表示成可搜索的构建路线，即一组编译器开关取值的组合，并在满足用户给定精度边界的前提下挑选实测端到端最快的引擎。默认构建路线在十个评测工作负载上被归一化为1.0倍，调优找到的最佳合格路线相对它取得1.14倍到1.63倍的提升。精度决定哪些候选可接受，性能只在可接受候选中排序，因此调优结果绑定于具体模型、输入形状、目标GPU与软件版本。
TensorRT的性能优化不再依赖单一通用调度策略，而是对每个模型分别评估多条候选编译路线。 没有指定构建路线时，TensorRT使用默认构建路线，即所有编译器开关保持默认值；此前优化只能寄望于这一条路线对当前模型恰好合适。 在十个评测工作负载上，以各自默认构建路线归一化为1.0倍，调优找到的最佳合格路线带来1.14倍到1.63倍的性能提升。
调优把编译器的调度选择写成显式的构建路线，让搜索空间可以被枚举和比较。 构建路线是一组编译器开关取值的具体组合，开关是改变编译流程某一环节的配置项，例如融合决策或代码生成路径；TensorRT 11.1提供200多个可调开关。 trtexec中的示例实现把类正则的路线表达式展开为具体路线列表，逐条构建并测量精度与性能，构建崩溃或推理不满足精度的路线被排除，再在合格引擎中选实测端到端最快者。
精度与性能在优化中被拆成两个角色，而不是被合并成一个目标。 精度决定哪些候选解可以接受，性能只在可接受的候选中排序，开发者负责定义适合自身应用的精度边界。 在四个二值开关、共16个候选解的设想例子中，精度容差从正无穷收紧到0时，合格候选集从16个逐步收缩到1个，每个容差下选合格候选中实测最快者；这些计数为示意，实际转折点取决于模型、参考数据和精度指标。
已展示的范围是TensorRT 11.1中全局性能调优器在十个评测工作负载上的端到端测量，以及trtexec示例实现所组织的调优循环；同一实现在Python中的版本计划随Torch-TensorRT 2.15发布。
最佳构建路线只对搜索时使用的模型、输入形状、目标GPU、软件栈以及TensorRT和调优器版本成立，换到另一部署可能无效甚至回退；文中关于16个候选解随精度容差收缩的计数为示意，实际转折点取决于模型、参考数据和所选精度指标。
