【windows版】TensorRT安装教程

一、参考资料

TensorRT

深度学习模型剪枝、量化和TensorRT推理

深度学习模型PyTorch训练并转ONNX与TensorRT部署

TensorRT(1)-介绍-使用-安装

TensorRT

模型量化技术（入门级理解，不涉及复杂公式和深入的原理）

二、相关介绍

1. TensorRT的优化

模型推理的时候，每一次的操作都是由GPU启动不同的的CUDA核心来完成的，大量的时间花在CUDA核心启动和读写操作上，造成了内存带宽的瓶颈和GPU资源浪费。TensorRT通过层间融合，横向融合把卷积偏置激活合并成一个结构，并且只占用一个CUDA核心，纵向融合把结构相同、权值不同的层合并成一个更宽的层，也是占用一个CUDA核心，因此整个模型结构更小更快。

2. github代码

tensorrt_demos

tensorrt_inference

TensorRT demo

三、关键步骤

windows 下安装tensorRT

1. 准备工作

• 安装CMake，配置C/C++环境，参考博客 【Windows版】配置C/C++开发环境；
• 安装Visual studio 2019；

2. 下载解压TensorRT

下载地址；

3. 配置TensorRT

1. 将 TensorRT-7.2.3.4\include 中头文件 copy 到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include；
2. 将 TensorRT-7.2.3.4\lib 中所有lib文件 copy 到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64；
3. 将 TensorRT-7.2.3.4\lib 中所有dll文件copy 到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin；

4. 编译mnist例程

1. 用VS2019 打开 TensorRT-7.2.3.4\samples\sampleMNIST\sample_mnist.sln；
2. 在VS2019中，右键工程，选择属性-》配置属性-》常规-》平台工具集-》Visual Studio 2019 (v142)；
3. 右键工程-》重新生成；

5. 测试mnist例程

1. 进入 TensorRT-7.2.3.4\data\mnist 目录，执行python download_pgms.py；
2. 进入TensorRT-7.2.3.4\bin，用cmd执行，sample_mnist.exe --datadir=d:\path\to\TensorRT-7.0.0.11\data\mnist\；
3. 执行成功则说明tensorRT 配置成功；
   

四、可能存在的问题

Q：fatal error C1083: 无法打开包括文件: “cuda_runtime.h”: No such file or dir

步骤右键工程-》重新生成，执行失败。

错误原因：
没有包含cuda头文件

解决方法：
【项目右键】，点击【属性】，点击【配置属性】，点击【C/C++】，点击【常规】，编辑【附加包含目录】，根据CUDA的路径添加【D:\360Downloads\CUDA11.3\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include】![](TensorRT教程.assets\缺少cuda头文件.png)

Q：LINK : fatal error LNK1181: 无法打开输入文件“cudnn.lib”

步骤右键工程-》重新生成，执行失败。

错误原因：
没有包含lib库文件

解决方法：
【项目右键】，点击【属性】，点击【配置属性】，点击【VC++目录】，编辑【库目录】，根据CUDA的路径添加【D:\360Downloads\CUDA11.3\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64】

Q：执行 sample_mnist.exe --datadir=d:\path\to\TensorRT-7.0.0.11\data\mnist\\ 失败

错误原因：
当前CUDA版本过高，本人的CUDA版本为11.3，需要11.1版本

解决办法：
参考资料
[Cannot find nvrtc64_111_0.dll after update to 1.13.1](https://github.com/nanopool/nanominer/issues/106)

路径 D:\360Downloads\CUDA11.3\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin 下的【nvrtc64_112_0.dll】重命名为【nvrtc64_111_0.dll】

Q：urllib.error.HTTPError:HTTP Error 503:Service Unavailable

执行 python download_pgms.py 失败。

错误原因：
下载数据集失败，数据集在国外的服务器，下载数据集需要翻墙

解决办法：
翻墙下载数据集资源，然后上传到国内的服务器，保证公网可以下载即可

注意：本人使用七牛云的kodo对象存储，10G免费空间，注册账号，身份认证审核方便，一般三个工作日完成审核（本人周三下午6点半左右提交申请，周四上午10点左右通过审核）
比如上传之后的url:

train-images-idx3-ubyte.gz
http://qu3tpn8vb.hn-bkt.clouddn.com/train-images-idx3-ubyte.gz

train-labels-idx1-ubyte.gz
http://qu3tpn8vb.hn-bkt.clouddn.com/train-labels-idx1-ubyte.gz

修改 download_pgms.py 文件中对应的url