【模型推理】ubuntu 配置和使用 torch2trt

  本教程详细记录了ubuntu上配置使用 torch2trt 的方法。

1 库配置

1.1  安装 tensorrt python 接口

• 下载 trt 包 .tar.gz

https://developer.nvidia.com/nvidia-tensorrt-7x-download

• 解压

tar xvf TensorRT-7.2.1.6.Ubuntu-18.04.x86_64-gnu.cuda-11.1.cudnn8.0.tar.gz

• 安装 trt python 接口

cd python
pip install tensorrt-7.2.1.6-cp37-none-linux_x86_64.whl

• 安装 uff

cd uff
pip install uff-0.6.9-py2.py3-none-any.whl

• 验证trt是否安装成功

python
import tensorrt

   以上是配置 TRT7 的方法，你要是想配置 TRT8，方法一致。

1.2 安装 torch2trt

sudo apt-get install libprotobuf* protobuf-compiler ninja-build

## 适用于 TRT7
git clone https://github.com/NVIDIA-AI-IOT/torch2trt

## 适用于 TRT8
git clone -b support_trt_8 https://gitee.com/jeremyjj/torch2trt-trt8.git

cd torch2trt
sudo python setup.py install --plugins

2 代码演示

   可以参考以下代码示例将你自己的模型进行 torch2trt 转换和推理。

import torch 
import torchvision
from torch2trt import torch2trt

batch_size = 1
## export resnet50  input: batchsize 3 224 224
net = torchvision.models.resnet50(pretrained=True).cuda()

input_data = torch.rand((batch_size, 3, 224, 224), dtype=torch.float).cuda()

## convert to TensorRT int8 model
model_trt_int8 = torch2trt(net.eval(), [input_data], max_batch_size=batch_size, int8_mode=True)

out_trt = model_trt_int8(input_data)

3 性能测试

   torch2trt 工程里也内置了典型模型性能测试脚本。如下使用：

./test.sh TEST_OUTPUT.md

   下面是一些英伟达边缘设备上(Nano、Xavier)的性能数据，如下。

   收工~

声明：转载请说明出处

扫描下方二维码关注【极智视界】公众号，获取更多实践项目资源和读书分享，让我们用极致+极客的心态来迎接AI ！