onnx转换TensorRT的步骤

A. 解析onnx

已有的trt不适配，需要将onnx转为trt

1. parse onnx
2. serialize trt
3. 保存trt文件

注意：如果不使用Int8模式，onnx的parser代码几乎通用

概览

构建阶段

1. 建立logger（日志）
2. 建立builder（网络元数据)
3. 创建network（计算图）（API独需）
4. 生成序列化的网络（网络的trt内部表示）

运行阶段

1. 建立engine（可执行代码）
2. 创建context（gpu进程）
3. buffer准备（host+device）
4. 拷贝host to device
5. 执行推理execute
6. 拷贝device to host
7. 善后

A.1 构建阶段

1. 创建logger

记录器

getTRTLogger();

2. 创建builder

模型搭建的入口，网络的trt内部表示和引擎都是builder的成员方法生成的

builder.create_optimization_profile()：创建用于dynamic shape输入的配置器

createInferBuilder()

builder.create_network()：创建tensorrt网络对象

createNetworkV2()

在builderconfig下面进行细节设置

---

另外builder需要创建optimazation profile

在给定输入张量的最小最常见最大尺寸后，将设置的profile传给config

1. auto profile = builder->createOptimizationProfile();
2. profile->setDimensions();
3. config->addOptimizationProfile(profile);

3. 设置builder config

进行设置网络属性

config=builder.create_builder_config()

auto config = std::unique_ptr<nvinfer1::IBuilderConfig, samplesCommon::InferDeleter>(builder->createBuilderConfig());

1. 指定构建期可用显存
2. 设置标志位开关
3. 指定校正器
4. 添加用于dynamic shape输入的配置器

1. config->addOptimizationProfile(profile);//添加用于dynamic shape输入的配置器
2. config->setFlag();

4. 搭建network

创建network（计算图）是API独需的因为其他两种方法使用parser从onnx导入，不用一层层添加

network=builder.create_network()

在onnx-parser中一旦模型parser解析完成，network就自动填好了，成为了serialized network

onnx-parser解析

1. createParser(*network, sample::gLogger.getTRTLogger();
2. ​
3. parser->parseFromFile(modelFile.c_str(), static_cast(sample::gLogger.getReportableSeverity()));

A.2 运行阶段 runtime

5. 生成TRT内部表示-serialized network

build_serialized_network(network,config)

6. 生成engine

推理引擎，可执行的代码段

生成engine：

m_engine = std::unique_ptr<nvinfer1::ICudaEngine, samplesCommon::InferDeleter>(builder->buildEngineWithConfig(*network, *config), samplesCommon::InferDeleter());

7. 创建context

context即GPU进程

创建context：

python:engine.create_execution_context()

m_context = std::unique_ptr<nvinfer1::IExecutionContext, samplesCommon::InferDeleter>(m_engine->createExecutionContext(), samplesCommon::InferDeleter());

绑定输入输出

仅dynamic shape需要

8. 准备buffer

1. 内存和显存的分别申请
2. 拷贝
3. 释放

python:cudart.cudaMalloc(inputHost.nbytes)[1]

课程第四部分会对buffer部分的优化做介绍

9. 执行计算-execute

拷贝到cuda buffer上执行再拷贝回host，这一步一般是B.解析trt中做，但是读取onnx后也可以做

10. 序列化引擎

engine->serialize()

11. 导出trt

特殊情况

遇到tensorrt不支持的onnx模型节点

1. 修改源模型
2. 修改onnx计算图，onnx-surgeon
3. tensorrt中实现plugin
4. 修改parser：修改源码，重新编译trt，因为tensorrt部分开源

B. 解析trt

已有trt，直接导入然后使用

parse TRT后得到engine和context

1. 创建logger

getTRTLogger()

2. 创建cudaruntime

createInferRuntime()

3. 解析/反序列化trt文件，生成引擎

runtime->deserializeCudaEngine()

4. 创建context

engine->createExecutionContext()

5. 使用