onnx | 把onnx模型转trt报错:Your ONNX model has been generated with INT64 weights. while TensorRT

【问题】把onnx模型转TensorRT模型的trt模型报错:[TRT] onnx2trt_utils.cpp:198: Your ONNX model has been generated with INT64 weights, while TensorRT does not natively support INT64. Attempting to cast down to INT32.

【解决方法】

我是在把mmdetection的模型转换为onnx模型之后,再把onnx模型转化为trt模式的时候,遇到的这个错误。从Your ONNX model has been generated with INT64 weights, while TensorRT does not natively support INT64. Attempting to cast down to INT32. 提示信息可以看出:

  • 我们转化后的ONNX模型的参数类型是INT64
  • 然而:TensorRT本身不支持INT64
  • 而对于:INT32的精度,TensorRT是支持的,因此可以尝试把ONNX模型的精度改为INT32,然后再进行转换

可能是我们生成的.onnx模型的graph太复杂,我们先把它变简单点:

1、安装onnx-simplifier

pip install onnx-simplifier

2、把之前转化的onnx模型转化为更简单的onnx模型

python -m onnxsim retinate_hat_hair_beard.onnx retinate_hat_hair_beard_sim.onnx

  • 8
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您可以使用TensorRT提供的ONNX Parser来将ONNX模型换为TensorRT模型。以下是一些基本的步骤: 1. 安装TensorRT:您需要先安装TensorRT库。可以从NVIDIA官方网站下载适合您系统的版本,并按照它们的文档进行安装。 2. 导入TensorRT:在Python脚本中,您需要导入TensorRT库和其他必要的库: ```python import tensorrt as trt import pycuda.driver as cuda import pycuda.autoinit import numpy as np import onnx ``` 3. 加载ONNX模型:使用ONNX库加载ONNX模型: ```python model = onnx.load("path/to/your/model.onnx") ``` 4. 创建TensorRT的builder和network对象: ```python trt_logger = trt.Logger(trt.Logger.WARNING) trt_builder = trt.Builder(trt_logger) trt_network = trt_builder.create_network() ``` 5. 创建ONNX Parser对象并解析ONNX模型: ```python onnx_parser = trt.OnnxParser(trt_network, trt_logger) onnx_parser.parse(model.SerializeToString()) ``` 6. 配置TensorRT的优化器和创建推理引擎: ```python trt_builder.max_batch_size = 1 trt_builder.max_workspace_size = 1 << 30 # 设置最大的工作空间大小 trt_engine = trt_builder.build_cuda_engine(trt_network) ``` 7. 保存TensorRT模型: ```python trt_engine.save_serialized_state("path/to/save/engine.trt") ``` 现在,您已经将ONNX模型成功换为TensorRT模型。您可以使用保存的TensorRT模型进行推理。 请注意,这只是一个简单的示例,实际换过程可能需要根据您的模型和需求进行调整。更详细的文档和示例可以在TensorRT的官方文档中找到。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值