TensorRT基础使用
版本8.2.3GA(成熟稳定版)和8.4.0EA(新功能测试版)以后,有C++和python的API,完全等价可以混用
官方教程:
https://docs.nvidia.com/deeplearning/tensorrt/developer-guide/index.html#overview
https://docs.nvidia.com/deeplearning/tensorrt/api/c_api
https://docs.nvidia.com/deeplearning/tensorrt/api/python_api/
https://github.com/NVIDIA/trt-samples-for-hackathon-cn/tree/master/cookbook
构建期(推理优化器)
1.模型解析/建立
加载 Onnx等其他格式的模型/使用原生API搭建模型
2.计算图优化
横向层融合(Conv),纵向层融合(Conv+add+ReLU),……
3.节点消除
去除无用层,节点变换(Pad,Slice,Concat,Shuffle),.……
4.多精度支持
FP32/ FP16/ INT8 / TF32(可能插入reformat节点)
5.优选 kernel / format
硬件有关优化
6.导入plugin
实现自定义操作
7.显存优化
显存池复用
运行期(运行时环境)
1.运行时环境
对象生命期管理,内存显存管理,异常处理
2.序列化反序列化
推理引擎保存为文件或从文件中加载
使用流程
// 1.编译模型:onnx-->trtmodel
TRT::compile(
TRT::Mode::FP32,//模式,fp32,fp16,int8
1, // 最大batchsize
"test.onnx", // onnx文件,输入
"test.fp32.trtmodel" // trt输出模型
)
// 2.加载编译好的引擎
auto infer = TRT::load_infer("test.fp32.trtmodel");
// 3.设置输入的值
infer->input(0)->set_to(1.0f);
// 4.引擎推理
infer->forward();
// 5.取出引擎的输出并打印
auto out = infer->output(0);
for (int i = 0;i<out->channel();++i)
{
INFO("%f",out->at<float>(0,i));
}
#define _CRT_SECURE_NO_WARNINGS;
// tensorRT include
#include <NvInfer.h>
#include <NvInferRuntime.h>
// cuda include
#include <cuda_runtime.h>
// system include
#include <stdio.h>
class TRTLogger : public nvinfer1::ILogger {
public:
virtual void log(Severity severity, nvinfer1::AsciiChar const* msg) noexcept override {
if (severity <= Severity::kVERBOSE) {
printf("%d: %s\n", severity, msg);
}
}
};
nvinfer1::Weights make_weights(float* ptr, int n) {
nvinfer1::Weights w;
w.count = n;
w.type = nvinfer1::DataType::kFLOAT;
w.values = ptr;
return w;
}
int main() {
// 本代码主要实现一个最简单的神经网络 figure/simple_fully_connected_net.png
TRTLogger logger; // logger是必要的,用来捕捉warning和info等
// ----------------------------- 1. 定义 builder, config 和network -----------------------------
// 这是基本需要的组件
//形象的理解是你需要一个builder去build这个网络,网络自身有结构,这个结构可以有不同的配置
nvinfer1::IBuilder* builder = nvinfer1::createInferBuilder(logger);
// 创建一个构建配置,指定TensorRT应该如何优化模型,tensorRT生成的模型只能在特定配置下运行
nvinfer1::IBuilderConfig* config = builder->createBuilderConfig();
// 创建网络定义,其中createNetworkV2(1)表示采用显性batch size,新版tensorRT(>=7.0)时,不建议采用0非显性batch size
// 因此贯穿以后,请都采用createNetworkV2(1)而非createNetworkV2(0)或者createNetwork
nvinfer1::INetworkDefinition* network = builder->createNetworkV2(1);
// 构建一个模型
/*
Network definition:
image
|
linear (fully connected) input = 3, output = 2, bias = True w=[[1.0, 2.0, 0.5], [0.1, 0.2, 0.5]], b=[0.3, 0.8]
|
sigmoid
|
prob
*/
// ----------------------------- 2. 输入,模型结构和输出的基本信息 -----------------------------
const int num_input = 3; // in_channel
const int num_output = 2; // out_channel
float layer1_weight_values[] = { 1.0, 2.0, 0.5, 0.1, 0.2, 0.5 }; // 前3个给w1的rgb,后3个给w2的rgb
float layer1_bias_values[] = { 0.3, 0.8 };
//输入指定数据的名称、数据类型和完整维度,将输入层添加到网络
nvinfer1::ITensor* input = network->addInput("image", nvinfer1::DataType::kFLOAT, nvinfer1::Dims4(1, num_input, 1, 1));
nvinfer1::Weights layer1_weight = make_weights(layer1_weight_values, 6);
nvinfer1::Weights layer1_bias = make_weights(layer1_bias_values, 2);
//添加全连接层
auto layer1 = network->addFullyConnected(*input, num_output, layer1_weight, layer1_bias); // 注意对input进行了解引用
//添加激活层
auto prob = network->addActivation(*layer1->getOutput(0), nvinfer1::ActivationType::kSIGMOID); // 注意更严谨的写法是*(layer1->getOutput(0)) 即对getOutput返回的指针进行解引用
// 将我们需要的prob标记为输出
network->markOutput(*prob->getOutput(0));
printf("Workspace Size = %.2f MB\n", (1 << 28) / 1024.0f / 1024.0f); // 256Mib
config->setMaxWorkspaceSize(1 << 28);
builder->setMaxBatchSize(1); // 推理时 batchSize = 1
// ----------------------------- 3. 生成engine模型文件 -----------------------------
//TensorRT 7.1.0版本已弃用buildCudaEngine方法,统一使用buildEngineWithConfig方法
nvinfer1::ICudaEngine* engine = builder->buildEngineWithConfig(*network, *config);
if (engine == nullptr) {
printf("Build engine failed.\n");
return -1;
}
// ----------------------------- 4. 序列化模型文件并存储 -----------------------------
// 将模型序列化,并储存为文件
nvinfer1::IHostMemory* model_data = engine->serialize();
FILE* f = fopen("engine.trtmodel", "wb");
fwrite(model_data->data(), 1, model_data->size(), f);
fclose(f);
// 卸载顺序按照构建顺序倒序
model_data->destroy();
engine->destroy();
network->destroy();
config->destroy();
builder->destroy();
printf("Done.\n");
return 0;
}
导出ONNX
1.对于任何用到shape、size返回值的参数时,例如: tensor.view(tensor.size(0),-1)这类操作,避免直接使用tensor.size的返回值,而是加上int转换
,tensor.view(int(tensor.size(O)), -1)
2.对于nn.Upsample或nn.functional.interpolate函数,使用scale_factor指定倍率
,而不是使用size参数指定大小
3.对于reshape、view操作时,-1的指定请放到batch维度
。其他维度可以计算出来即可。batch维度禁止指定为大于-1的明确数字
4. torch.onnx.export指定dynamic_axes参数,并且只指定batch维度,不指定其他维度
。
动态batch
源自tensorRT编译时对batch的处理,若静态batch则意味着无论你多少图,都按照固定大小batch推理。耗时是固定的
1.导出模型时,注意view操作不能固定batch维度数值,通常写-1
2.导出模型时,通常可以指定dynamic_axes,实际上不指定也没关系
动态宽高
源自onnx导出时指定的宽高是固定的,trt编译时也得到固定大小引擎,此时若你想得到一个不同大小的trt引擎时,就需要动态宽高的存在。而使用trt的动态宽高会带来太多不必要的复杂度,这里使用中间方案,编译时修改ONNX输入实现相对动态,避免重回pytorch再做导出
1.不建议使用dynamic_axes指定0以外的维度为动态,这样带来的复杂度太高,并且存在有的layer不支持。这种需求也不常用,性能也很差
目标:是onnx文件已经导出,但是输入shape固定了,此时希望修改这个onnx的输入shape
步骤一:使用TRT:compile函数(onnx转引擎时)的inputsDimsSetup参数重定义输入的shape
步骤二:使用TRT::set_layer_hook_reshape钩子动态修改reshape的参数实现适配