使用trtexec将onnx生成trt

最新推荐文章于 2024-10-18 16:27:48 发布

原创最新推荐文章于 2024-10-18 16:27:48 发布 · 4.6k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#python

数据处理同时被 2 个专栏收录

5 篇文章

订阅专栏

onnx-tensorrt

4 篇文章

订阅专栏

本文介绍了如何使用TensorRT执行工具分别生成静态和动态batchsize的引擎，包括使用`--explicitBatch`、`--minShapes`、`--optShapes`和`--maxShapes`选项来调整输入形状，以适应不同场景的需求。

部署运行你感兴趣的模型镜像

#生成静态batchsize的engine
./trtexec 	--onnx=<onnx_file> \ 						
        	--explicitBatch \ 						
        	--saveEngine=<tensorRT_engine_file> \ 		
        	--workspace=<size_in_megabytes> \ 		
        	--fp16 										
#生成动态batchsize的engine
./trtexec 	--onnx=<onnx_file> \					
        	--minShapes=input:<shape_of_min_batch> \ 
        	--optShapes=input:<shape_of_opt_batch> \  	
        	--maxShapes=input:<shape_of_max_batch> \ 	
        	--workspace=<size_in_megabytes> \ 			
        	--saveEngine=<engine_file> \   				
        	--fp16

例子动态输入：

/home/zhangsan/TensorRT-7.1.3.4/bin/trtexec --onnx=/home/zhangsan/桌面/tensorrt/bfm-lab-resnet18.onnx --minShapes=input:1x3x224x224 --optShapes=input:4x3x224x224 --maxShapes=input:8x3x224x224 --saveEngine=/home/zhangsab/桌面/tensorrt/bfm-lab-resnet18_fp16.engine --fp16

您可能感兴趣的与本文相关的镜像