TensorRT从理论到实践

TensorRT理论

一. TensorRT介绍

• TensorRT是一个高性能的深度学习推理优化器，可以为深度学习应用提供低延迟、高吞吐率的部署推理。TensorRT可用于对超大规模数据中心、嵌入式平台或自动驾驶平台进行推理加速。TensorRT现已能支持Tensorflow、Caffe、Mxnet、Pytorch等几乎所有的深度学习框架，将TensorRT和NVIDIA的GPU结合起来，能在几乎所有的框架中进行快速和高效的部署推理。
• TensorRT 是一个C++库，提供C++ API和Python API，主要用来针对 NVIDIA
  GPU进行高性能推理（Inference）加速。
• 在推理过程中，基于 TensorRT 的应用程序的执行速度可比 CPU 平台的速度快 40 倍。借助
  TensorRT，可以优化在所有主要框架中训练的神经网络模型，精确校正低精度，并最终将模型部署到超大规模数据中心、嵌入式或汽车产品平台中。
• TensorRT 以 NVIDIA 的并行编程模型 CUDA 为基础构建而成，可帮助利用 CUDA-X
  中的库、开发工具和技术，针对人工智能、自主机器、高性能计算和图形优化所有深度学习框架中的推理。
• 下图是NVDIA针对深度学习平台的一系列完整的解决方案。分为训练和部署两部分，训练部分首先也是最重要的是构建网络结构，准备数据集，使用各种框架进行训练，训练要包含validation和test的过程，最后对于训练好的模型要在实际业务中进行使用。
  
  下图是TensorRT的应用：
  

二. 为什么TensorRT能让模型加速？

1. 数据精度校准（Weight &Activation Precision Calibration）

• 大部分深度学习框架在训练神经网络时网络中的张量都是32位浮点数的精度，一旦网络训练完成，在部署推理的过程中由于不需要反向传播，完全可以适当降低数据精度，比如降为FP16或INT8的精度。更低的数据精度将会使得内存占用和延迟更低，模型体积更小。
• TensorRT支持FP16和INT8的计算。我们知道深度学习在训练的时候一般是应用32位或者16位数据，TensorRT在推理的时候可以降低模型参数的位宽来进行低精度推理，以达到加速推断的目的。

2. 层间融合或张量融合（Layer & Tensor Fusion）

• TensorRT通过对层间的横向或纵向合并（合并后的结构称为CBR，卷积层、BN层、激活层），使得层的数量大大减少。横向合并可以把卷积、偏置和激活层合并成一个CBR结构，只占用一个CUDA核心。纵向合并可以把结构相同，但是权值不同的层合并成一个更宽的层，也只占用一个CUDA核心。合并之后的计算图的层次更少了，占用的CUDA核心数也少了，因此整个模型结构会更小，更快，更高效。

3. 内核自动调整（Kernel Auto-Tuning）

• 网络模型在推理计算时，调用GPU的CUDA核进行计算。TensorRT可以针对不同的算法，不同的网络模型，不同的GPU平台，进行 CUDA核的调整，以保证当前模型在特定平台上以最优性能计算。

4.动态张量显存（Dynamic Tensor Memory）

• 在每个tensor的使用期间，TensorRT会为其指定显存，避免显存重复申请，减少内存占用和提高重复使用效率。

5. 多流执行（Multi-Stream Execution）

• 用于并行处理多个输入流的可扩展设计。

TensorRT实践

一. 环境准备

1. 确认cuda版本

首先查看自己的cuda版本，根据cuda的版本安装对应的tensorRT

2. 安装docker

如果你的电脑还没有安装docker，请安装docker，在docker中操作会减少环境问题带来的莫名错误，因此强烈建议在docker中操作。

sudo apt install docker.io

3. 拉tensorRT镜像

根据上述的cuda版本，拉取镜像

sudo docker pull hakuyyf/tensorrtx:trt7_cuda10

该过程比较耗时，请耐心等待。。。

二. 生成权重文件

1. 创建容器并进入

docker run -it --name=trt7-guopei --gpus all --privileged --net=host --ipc=host --pid=host -v /home/work/guopei/workspace:/home/work hakuyyf/tensorrtx:trt7_cuda10 /bin/bash
# 创建一次就够了，下次直接进入容器
docker attach trt7-guopei

2. 获得训练权重

git clone https://github.com/wang-xinyu/pytorchx.git
cd pytorchx/lenet/
# 在当前路径下获得网络权重lenet5.pth
python lenet5.py 
# 将lenet5.pth转化为项目中需要的lenet5.wts文件
python inference.py

终端输出结果如图所示：

三. 编译推理

1. 下载tensorrtx对应的工程

git clone https://github.com/wang-xinyu/tensorrtx.git

2. 将lenet5.wts拷贝到对应的目录下

cp pytorchx/lenet/lenet5.wts tensorrtx/lenet/
cd tensorrtx/lenet/

3. 编译工程

mkdrir build
cd build
cmake ../
make

不出意外，你的工程已经编译好了，如下图：

4. 模型序列化&模型推理

./lenet -s     # 模型序列化，生成tensorrt的推理引擎lenet5.engine
./lenet -d     # 加载推理引擎，推理模型

推理结果如下图所示，可以对比上面pytorch的推理结果，几乎无差异：

四. 总结

• 1. 用tensorrtx工程直接提取权重文件，中间过程可控；
• 2. 该工程更加灵活，遇到不支持的层，容易解决；
• 3. 该工程实现了主流算法的转化和推理，代码修改量不大即可适配自己的工程。

参考：
https://github.com/wang-xinyu/tensorrtx
https://github.com/wang-xinyu/pytorchx

对技术充满激情，对生活充满热爱！