Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/kanglang123/tensorrt-deploy
使用TensorRT部署模型的demo
https://github.com/kanglang123/tensorrt-deploy
deep-learning deployment pytorch
Last synced: about 5 hours ago
JSON representation
使用TensorRT部署模型的demo
- Host: GitHub
- URL: https://github.com/kanglang123/tensorrt-deploy
- Owner: kanglang123
- Created: 2024-08-24T15:42:00.000Z (about 1 month ago)
- Default Branch: main
- Last Pushed: 2024-08-25T02:10:09.000Z (about 1 month ago)
- Last Synced: 2024-09-26T20:03:39.808Z (about 5 hours ago)
- Topics: deep-learning, deployment, pytorch
- Language: Python
- Homepage: https://www.zhihu.com/column/c_1497987564452114432
- Size: 1.7 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# tensorRT-deploy
模型pth-onnx-engine格式转换。
使用TensorRT部署模型的demo.
现在这个代码中的很多函数官方已经不用了，所以直接跑不起来。我根据最新的官方文档做了一些函数的更改，可以跑起来。贴在这里，仅供参考。
## Installation
1. 安装TensorRT库：
下载地址：[NVIDIA TensorRT 10.x Download](https://developer.nvidia.com/tensorrt/download/10x)，根据自己电脑配置选择相应的下载链接。
我的电脑是Ubuntu20.04，所以下载的链接为：[TensorRT 10.0 EA for Linux x86_64 and CUDA 12.0 to 12.4 TAR Package](https://developer.nvidia.com/downloads/compute/machine-learning/tensorrt/10.0.0/tars/TensorRT-10.0.0.6.Linux.x86_64-gnu.cuda-12.4.tar.gz)
```
tar -zxvf TensorRT-10.0.0.6.Linux.x86_64-gnu.cuda-12.4.tar.gz
```
在.bashrc中添加环境变量：
```
export LD_LIBRARY_PATH=/home/wyk/TensorRT-10.0.0.6/lib:$LD_LIBRARY_PATH
export LIBRARY_PATH=/home/wyk/TensorRT-10.0.0.6/lib::$LIBRARY_PATH
```
安装wheel文件：
```
pip install onnx_graphsurgeon-0.5.0-py2.py3-none-any.whl
pip install tensorrt-10.0.0b6-cp310-none-linux_x86_64.whl # 根据自己的python版本安装，我的python是3.10.0版本
```
2. 下载仓库：
```
git clone https://github.com/kanglang123/tensorRT-deploy
```
## Using Tutorials
1. pth2onnx.py
下载开源模型和图像，进行推理，并将pth模型转换为onnx格式保存。
2. check_onnx.py
加载保存的onnx格式模型，根据模型推理后输出的图像，检查保存onnx模型是否正确。
3. onnx2tensorrt.py
使用pytorch定义一个模型，转换为onnx格式保存。
加载保存的onnx模型并使用TensorRT将onnx格式模型转为engine格式模型。
4. infer_tensorrt.py
使用保存的engine格式模型进行推理。
## 参考链接：
1. [知乎：模型部署那些事](https://zhuanlan.zhihu.com/p/547624036)
2. [NVIDIA TensorRT API Docmentation](https://docs.nvidia.com/deeplearning/tensorrt/api/python_api/infer/Core/pyCore.html)