TensorRT动态尺寸输入

TensorRT动态尺寸输入


首先可以看一下官方TensorRT文档里的对限制性的一些描述以及一些Profile的一些描述

在目前7.0的文档里TensorRT是支持动态输入的,这个章节里面还是有不少东西可以看看的,明确的给了API怎么用,Profile该怎么写。

Dynamic shapes are the ability to defer specifying some or all tensor dimensions until runtime. Dynamic shapes can be used via both the C++ and Python interfaces.


然后可以看一下的东西是NVIDIA官方TensorRT的README部分的DEMO

Example 4: Running an ONNX model with full dimensions and dynamic shapes

To run an ONNX model in full-dimensions mode with static input shapes:
./trtexec --onnx=model.onnx
The following examples assumes an ONNX model with one dynamic input with name input and dimensions [-1, 3, 244, 244]
To run an ONNX model in full-dimensions mode with an given input shape:
./trtexec --onnx=model.onnx --shapes=input:32x3x244x244
To benchmark your ONNX model with a range of possible input shapes:
./trtexec --onnx=model.onnx --minShapes=input:1x3x244x244 --optShapes=input:16x3x244x244 --maxShapes=input:32x3x244x244 --shapes=input:5x3x244x244


关于ONNX->TensorRT的动态尺寸怎么处理,可以看一下这个issue,内容还是相对明确的,也有人给出了一些明确的解决方案。

  • 4
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
TensorRT是一个可以在NVIDIA GPU硬件平台上运行的C++推理框架,可以将通过PyTorch、TensorFlow或其他框架训练好的模型换为TensorRT格式,并利用TensorRT推理引擎在NVIDIA GPU上运行模型,从而提高推理速度。\[2\] 关于TensorRT是否支持动态尺寸(dynamic shape),根据我所了解的信息,TensorRT在一定程度上支持动态尺寸TensorRT 7.0及更高版本引入了动态形状支持,可以在推理过程中动态调整输入和输出的尺寸。这使得模型可以适应不同尺寸输入数据。但是,需要注意的是,动态尺寸的支持可能会对性能产生一定的影响,因为TensorRT在编译时需要确定输入和输出的尺寸。因此,在使用动态尺寸时,需要权衡性能和灵活性之间的平衡。\[2\] 关于VGG模型在TensorRT中的应用,由于VGG模型相对较大且具有较多的参数,换和优化VGG模型可能会比较复杂。然而,理论上来说,TensorRT可以换大部分模型,包括VGG模型。如果遇到无法换的模型,可以尝试通过其他方式解决,或者考虑对模型进行简化或优化以适应TensorRT的要求。\[3\] #### 引用[.reference_title] - *1* *2* *3* [TensorRT详细入门指北,如果你还不了解TensorRT,过来看看吧!](https://blog.csdn.net/javastart/article/details/128287548)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 1
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