在PyTorch TensorRT中加载TS模型时的CMake配置要点

概述

在使用PyTorch TensorRT进行模型部署时，开发者经常需要将训练好的PyTorch模型转换为TorchScript格式(.ts文件)并在C++环境中加载运行。本文针对Jetson Orin NX平台上使用CMake构建C++项目时遇到的链接问题，详细介绍了正确的配置方法。

核心问题分析

当开发者尝试在C++中加载TorchScript模型时，常见的错误是运行时找不到TensorRT相关的符号。这通常是由于CMake配置中缺少必要的链接库导致的。即使代码能够编译通过，运行时仍可能出现"undefined symbol"错误。

解决方案详解

基本CMake配置

首先，我们需要配置基本的CMake环境来支持PyTorch：

cmake_minimum_required(VERSION 3.12 FATAL_ERROR)
project(custom_ops)

# 自动获取PyTorch的CMake路径
execute_process(
    COMMAND python3 -c "import torch; print(torch.utils.cmake_prefix_path)"
    OUTPUT_VARIABLE PYTORCH_CMAKE_PREFIX_PATH
    OUTPUT_STRIP_TRAILING_WHITESPACE
)

set(CMAKE_PREFIX_PATH "${PYTORCH_CMAKE_PREFIX_PATH}")
find_package(Torch REQUIRED)

add_executable(example-app example-app.cpp)
target_include_directories(example-app PRIVATE "/usr/local/lib/python3.8/dist-packages/torch_tensorrt/include")
target_link_libraries(example-app torch)
set_property(TARGET example-app PROPERTY CXX_STANDARD 17)

关键补充配置

上述配置虽然能完成编译，但运行时会出现问题。关键在于需要显式链接TensorRT运行时库：

target_link_libraries(example-app 
    -Wl,--no-as-needed 
    "/usr/local/lib/python3.8/dist-packages/torch_tensorrt/lib/libtorchtrt.so"
)

技术原理说明

这里使用了-Wl,--no-as-needed链接器选项，这是解决此类问题的关键。默认情况下，链接器会优化掉看似未使用的库，但由于TensorRT运行时库的加载方式特殊，我们需要强制保留这个依赖。

实际应用建议

1. 路径确认：确保TensorRT库路径与您系统中的实际安装位置一致
2. 版本兼容性：检查PyTorch、TensorRT和CUDA版本之间的兼容性
3. 交叉编译：在Jetson等嵌入式平台开发时，注意使用正确的工具链

总结

正确配置CMake对于PyTorch TensorRT项目的成功部署至关重要。通过本文介绍的方法，开发者可以解决常见的运行时符号未定义问题，确保TorchScript模型能够顺利加载和执行。记住，在链接TensorRT相关库时，必须使用-Wl,--no-as-needed选项来防止链接器优化掉必要的依赖。