PyTorch训练，TensorRT部署的简要步骤（采用ONNX中转的方式）
1. 简述
使用PyTorch执行训练，使用TensorRT进行部署有很多种方法，比较常用的是基于INetworkDefinition进行每一层的自定义，这样一来，会反向促使研究者能够对真个网络的细节有更深的理解。
另一种相对简便的方式就是通过ONNX中间转换的形式。本文主要针对该途径进行简单的脉络阐述。
2. 导出ONNX
如果使用的是PyTorch训练框架，可采用其自带的ONNX导出API。
torch.onnx.export()3. 生成推理引擎
使用TensorRT自带的转换工具trtexec执行ONNX到推理引擎的转换工作。
4. 如何确定哪些OP是不被TRT支持的
执行ONNX到TensorRT推理引擎的转换工作时，难免遇到一些不支持的OP，此时可以通过日志等查看，推荐在转换时添加--verbose以获得更多的过程信息。
trtexec --onnx=.onnx --verbose 5. 如何处理不被支持的OP
（1）修改模型
如果可能，尝试修改模型架构，使用TensorRT支持的OP代替不支持的OP。
（2）自定义层
TensorRT允许你创建自定义层（也称为插件）来实现那些原生不支持的OP。这需要一些额外的编程工作，但是可以提供一个解决方案来支持特定的操作。
（3）求助、等待支持
随着TensorRT的不断更新和发展，更多的OP将会得到支持。如果可能的话，你可以等待未来版本中对这些OP的支持
6. 如何自定义，并导入
（1）实现自定义插件
假设你需要实现一个自定义ReLU激活函数作为插件。首先，你需要实现插件类，这里给出一个非常基本的示例框架（不包含完整实现细节）：
#include "NvInfer.h"
class CustomReLUPlugin: public nvinfer1::IPluginV2IOExt {
public:
// 构造函数、析构函数
CustomReLUPlugin();
~CustomReLUPlugin();
// 实现基类中的虚函数
int getNbOutputs() const override;
nvinfer1::Dims getOutputDimensions(int index, const nvinfer1::Dims* inputs, int nbInputDims) override;
int enqueue(int batchSize, const void* const* inputs, void** outputs, void* workspace, cudaStream_t stream) override;
// 序列化、反序列化等其他必要的方法
// ...
// 插件的克隆方法
IPluginV2IOExt* clone() const override;
// 插件类型和版本，非常重要，确保与模型中的OP名称对应
const char* getPluginType() const override;
const char* getPluginVersion() const override;
};
// 实现插件的创建函数，TensorRT在解析模型时会调用此函数来创建插件实例
extern "C" nvinfer1::IPluginV2* createPlugin(const char* name, const nvinfer1::PluginFieldCollection* fc) {
return new CustomReLUPlugin();
}（2）注意事项
要确保ONNX模型中的特定操作（OP）能够与自定义插件正确关联，你需要在模型转换或创建时指定对应的插件。这通常涉及以下几点：
插件类型和版本：自定义插件类中的getPluginType和getPluginVersion方法返回的字符串应与你在模型中指定的自定义OP名称相匹配。
模型转换工具：在某些情况下，可能需要使用如onnx2trt这样的工具将ONNX模型转换为TensorRT模型，并在此过程中指明哪些OP应当使用哪些插件。
对于直接使用trtexec的情况，确保ONNX模型中引用的自定义OP名称与插件的getPluginType方法返回的名称一致。这样，当trtexec解析模型时，它会自动查找并使用相应名称的插件处理指定的OP。
（3）编译自定义插件
利用如下编译指令，将上述自定义插件编译成共享库(.so文件)。如何，编译后得到CustomReLUPlugin.so。需要注意的是，编译时，需要链接TensorRT库。
g++ -std=c++11 -shared -o CustomReLUPlugin.so CustomReLUPlugin.cpp -I -L -lnvinfer （4）调用自定义插件
使用trtexec转换ONNX模型时，通过“--plugins”指定并调用自定义插件共享库。
trtexec --onnx=my_model.onnx --plugins=CustomReLUPlugin.so（5）链接多个自定义插件
当有多个自定义插件需要链接时，可通过多次调用“--plugins”引用，也可以通过一个“--plugins”后面跟多个共享库，共享库之间由逗号隔开。
trtexec --onnx=my_model.onnx --plugins=CustomPluginA.so --plugins=CustomPluginB.so
trtexec --onnx=my_model.onnx --plugins=CustomPluginA.so,CustomPluginB.so7. 部署、执行推理
通过trtexec生成的推理引擎文件一般是.plan或.engine文件后缀（也有其他自定义后缀）。此时可以通过TensorRT的C++接口进行加载和推理。
（1）包含必要的头文件
#include
#include
#include （2）创建运行时和引擎
使用运行时接口“IRuntime”来反序列化引擎文件，并创建推理引擎“ICudaEngine”。
nvinfer1::IRuntime* runtime = nvinfer1::createInferRuntime(gLogger);
assert(runtime != nullptr);
std::string engineFilePath = "path/to/your/engine.plan";
std::ifstream engineFile(engineFilePath, std::ios::binary);
if (!engineFile) {
std::cerr << "Failed to open engine file: " << engineFilePath << std::endl;
return;
}
engineFile.seekg(0, engineFile.end);
long int fsize = engineFile.tellg();
engineFile.seekg(0, engineFile.beg);
std::vector engineData(fsize);
engineFile.read(engineData.data(), fsize);
if (!engineFile) {
std::cerr << "Failed to read engine file: " << engineFilePath << std::endl;
return;
}
nvinfer1::ICudaEngine* engine = runtime->deserializeCudaEngine(engineData.data(), fsize, nullptr);
assert(engine != nullptr); （3）创建执行上下文
创建一个执行上下文“IexecutionContext”，用于管理治理的执行。
nvinfer1::IExecutionContext* context = engine->createExecutionContext();
assert(context != nullptr);（4）准备输入输出缓冲区
在GPU上为输入和输出分配缓冲区。
void* buffers[engine->getNbBindings()];
for (int i = 0; i < engine->getNbBindings(); ++i) {
auto bindingSize = getSizeByDataType(engine->getBindingDataType(i)) * volume(engine->getBindingDimensions(i));
cudaMalloc(&buffers[i], bindingSize);
}（5）执行推理
使用执行上下文执行推理任务。
context->executeV2(buffers);（6）处理输出
推理完成后，从输出缓冲区读取网络推理结果，并根据实际情况，执行后处理、解析等操作。
（7）释放资源
整个进程执行结束，释放所有资源。
for (int i = 0; i < engine->getNbBindings(); ++i) {
cudaFree(buffers[i]);
}
context->destroy();
engine->destroy();
runtime->destroy();