运行NVIDIA的TensorRT5.0.2.6的例子sample_uff_ssd遇到的坑

NVIDIA错误：ERROR: UFFParser: Graph error: Cycle graph detected
ERROR: sample_uff_ssd: Fail to parse
sample_uff_ssd: sampleUffSSD.cpp:540: int main(int, char**): Assertion `tmpEngine != nullptr' failed.

tensorflow错误：ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

解决办法：https://blog.csdn.net/qq_34374211/article/details/81018320

好久没写博客了，最近也是在搞tensorrt，真的是一个大坑，这个5.0，本例子针对了tensorRT的5.0，其他的版本不知道，运行sample_uff_ssd例子的时候真的是遇到坑了，之所以采坑是因为想用tensorRT加速tensorflow模型，思路是先将tensorflow训练出来的ckpt模型（现在的tensorflow模型训练出来的模型可能不是ckpt了，但是还是那个格式），将ckpt模型转换成pb模型（这一个步骤被称为freeze，冻结）意思是将tensorflow的图文件中主要的结构摘出来，然后利用tensorrt的convert-to-uff命令将pb转成uff，tensorRT可以直接将uff加速，但是inference的过程需要自己写（c++ or python）。

本着先运行例子，然后看懂，最后加载自己的uff模型的思路开始探索tensorRT的坑。。。。。。。。。。。

先说说本人及其配置 ubuntu16.04 cuda9.0 cudnn7.0.5（tensorRT5.0需要7.3的cudnn，我的是7.0的，没改也能运行），convert-to-uff用的是python3的，这个就是个坑，先前不知道怎么安装的就将tensorRT的whl文件都安装在了python3底下，具体安装步骤参考https://blog.csdn.net/xulei_Tao/article/details/90339694，这真是最大一个坑，后面会介绍。

一、例子的运行步骤

按照例子下面的readme步骤：1、首先安装uff转换，上面的链接有安装步骤，一定要用pip2安装，不要用pip3或者pip

                                                 2、下载模型文件ssd_inception_v2_coco，下载地               址 http://download.tensorflow.org/models/object_detection/ssd_inception_v2_coco_2017_11_17.tar.gz

                                                 3、将上面的文件进行解压，然后将加压后的文件夹中的frozen_inference_graph.pb复制到sampleuffssd文件夹中运行转换命令convert-to-uff --input-file frozen_inference_graph.pb -O NMS -p config.py

                                                 4、这个时候将转换好的uff模型剪切到data文件夹下并重命名为sample_ssd_relu6.uff

                                                 5、编译sampleuffssd下的cpp文件，会在bin文件夹下产生一个可执行文件

                                                 6、执行./sample_uff_ssd会发生以下错误

于是开始baidu和google，baidu出的东西大都是没这个错误，google还可以，直接将错误定位到了NVIDIA的官网论坛里， https://devtalk.nvidia.com/default/topic/1046206/tensorrt/tensorrt5-sample_uff_ssd-can-t-run/下面解答的解决方案就是可能是某些节点导致，反正没搞明白啥意思。

二、解决方法

1、搜索了一顿错误后没有发现解决方案，以为这个就是个bug或者什么的，让同事运行了下该例子，一下就成功了。开始郁闷，是不是自己显卡问题，不兼容么，本人显卡k80；觉得NVIDIA不会这么坑

2、将k80机器上的cudnn版本换了，换成了7.3.1，最后结果还是一样

3、中间再搜索解决方案的时候还搜到了一个博主的博客https://www.cnblogs.com/sdu20112013/p/10702173.html这个博客也是从安装tensorRT到如何运行该例子，也说了例子的模型 有问题，但是最后人家运行成功了，还莫名其妙。

4、周一的时候开始在另外一台机器上尝试，因为另外一台机器上没有安装tensorRT于是又重新来过一遍，或者这台机器还装的是cuda9.1的版本，tensorRT还没有这一版本的支持，于是又重新安装了cuda9.0，cudnn7.3.1，还重新安装了python3-pip，tensorflow，我晕，要不是之前都安装过，这些的弄好久，附，安装连接

                  cudnn https://blog.csdn.net/xs1102/article/details/81666663

                  cuda   https://blog.csdn.net/mtllyb/article/details/79505012

                   tensorflow的安装 sudo pip2 install tensorflow-gpu==1.8.0

                  tensorflow错误解决：https://blog.csdn.net/qq_34374211/article/details/81018320

                  因为pip3不好用，于是用了pip2安装完成按照上面步骤，例子运行正常，分析原因：

convert-to-uff这个不一样，其他一样，一个用的是python2底下的convert-to-uff一个用的是convert-to-uff，也就是说必须用python2去做转换模型的操作

运行成功界面：