【环境搭建】tensorrt

.云哲.

已于 2022-11-05 19:03:58 修改

阅读量688

点赞数

分类专栏：环境搭建 pytorch 文章标签：深度学习神经网络 pytorch

于 2021-02-01 14:12:00 首次发布

本文链接：https://blog.youkuaiyun.com/luolinll1212/article/details/106746284

版权

环境搭建同时被 2 个专栏收录

74 篇文章

订阅专栏

pytorch

44 篇文章

订阅专栏

1，介绍
TensorRT是一个高性能的深度学习推理(Inference)优化器,可以为深度学习应用提供低延迟、高吞吐率的部署推理。

2，安装
2.1 已经编译完成，nvidia官网下载

cuda:10.0
cudnn:7.6.0
cmake:3.9.2
tensorrt:7.1

2.2 配置环境变量

vim ~/.bashrc
# set tensorrt
export TENSORRT_ROOT=$HOME/TensorRT
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$TENSORRT_ROOT/lib
source ~/.bashrc

2.3 编译

sudo apt-get install zlib1g zlib1g-dev
git clone https://github.com/NVIDIA/TensorRT.git
cd TensorRT
git submodule sync
git submodule update --init --recursive 
mkdir -p build && cd build 
cmake .. -DTRT_LIB_DIR=$TRT_RELEASE/lib -DTRT_OUT_DIR=`pwd`/out -DCUDA_VERSION=10.2
make -j$(nproc)
make install  # 根据硬件环境编译链接库，并更新

# 获取指定版本
git clone -b 7.1.3 https://github.com/NVIDIA/TensorRT.git
cd TensorRT
git checkout -b 7.1.3
git submodule sync
git submodule update --init --recursive

3，python
3.1 安装要求

pip install pycuda # 版本>=2019.1.1
pip install tensorrt
pip install uff
pip install graphsurgeon
# 缺少依赖库
sudo cp libnvinfer.so.7 /usr/lib
sudo cp libnvonnxparser.so.7 /usr/lib
sudo cp libnvparsers.so.7 /usr/lib
sudo cp libnvinfer_plugin.so.7 /usr/lib
sudo cp libmyelin.so.1 /usr/lib

cuda     ->     pytorch     ->    tensorrt
10.2     ->      1.4.0      ->      7.0
10.2     ->     1.5/1.6     ->      7.1

3.2 代码

python
>>> import tensorrt
>>> tensorrt.__version__
'7.1.3.4'

3.4 动态维度

import torch
from torchvision import models
import time

resnet18 = models.resnet18(pretrained=True)
resnet18 = resnet18.eval().cuda()

x = torch.randn((1,3,224,224), dtype=torch.float32).cuda()

for i in range(10):
    t1 = time.time()
    torch.cuda.synchronize()
    out = resnet18(x)
    torch.cuda.synchronize()
    t2 = time.time()
    print("pytorch {} inference:{}".format(i, t2-t1))
output = out.data.cpu().numpy()

# onnx
onnx_file = "resnet18.onnx"
input = ["input"]
output = ["output"]
dynamic_axes = {'input' : {0 : 'batch_size'},
                'output' : {0 : 'batch_size'}}
torch.onnx.export(resnet18,
                  x,
                  onnx_file,
                  export_params=True,
                  opset_version=10,
                  do_constant_folding=True,
                  input_names = input,
                  output_names = output,
                  dynamic_axes=dynamic_axes)

镜像

docker pull nvcr.io/nvidia/tensorrt:21.05-py3