使用C++实现TensorRT引擎生成与推理的完整指南

TensorRT作为NVIDIA推出的高性能深度学习推理优化器，能够显著提升模型在NVIDIA GPU上的推理效率。本文将详细介绍如何使用C++语言实现从模型到TensorRT引擎的转换及推理全过程。

TensorRT引擎生成基础流程

TensorRT引擎生成主要包含三个关键步骤：模型转换、引擎构建和推理执行。在C++环境下，我们需要通过TensorRT提供的API接口完成这些操作。

1. 模型转换阶段

首先需要将训练好的模型转换为TensorRT可识别的格式。常见做法是先将PyTorch或TensorFlow模型导出为ONNX格式：

// 创建TensorRT构建器
IBuilder* builder = createInferBuilder(logger);
const auto explicitBatch = 1U << static_cast<uint32_t>(nvinfer1::NetworkDefinitionCreationFlag::kEXPLICIT_BATCH);
INetworkDefinition* network = builder->createNetworkV2(explicitBatch);

// 创建ONNX解析器
nvonnxparser::IParser* parser = nvonnxparser::createParser(*network, logger);
parser->parseFromFile(onnxModelPath.c_str(), static_cast<int>(ILogger::Severity::kINFO));

2. 引擎构建配置

构建引擎时需要配置优化参数，这是影响推理性能的关键步骤：

// 创建构建配置
IBuilderConfig* config = builder->createBuilderConfig();

// 设置优化配置
config->setMaxWorkspaceSize(1 << 30);  // 1GB工作空间
config->setFlag(BuilderFlag::kFP16);   // 启用FP16精度

// 构建引擎
ICudaEngine* engine = builder->buildEngineWithConfig(*network, *config);

完整推理流程实现

1. 上下文创建与内存分配

构建好引擎后，需要创建执行上下文并分配设备内存：

IExecutionContext* context = engine->createExecutionContext();

// 获取输入输出绑定信息
int nbBindings = engine->getNbBindings();
std::vector<void*> buffers(nbBindings);

// 为每个绑定分配设备内存
for (int i = 0; i < nbBindings; ++i) {
    Dims dims = engine->getBindingDimensions(i);
    size_t size = getSizeByDim(dims) * sizeof(float);
    cudaMalloc(&buffers[i], size);
}

2. 数据预处理与推理执行

将输入数据预处理并传输到GPU后执行推理：

// 将输入数据拷贝到设备
cudaMemcpy(buffers[inputIndex], inputData.data(), inputSize, cudaMemcpyHostToDevice);

// 执行推理
context->executeV2(buffers.data());

// 将输出数据拷贝回主机
cudaMemcpy(outputData.data(), buffers[outputIndex], outputSize, cudaMemcpyDeviceToHost);

性能优化技巧

1. 动态形状支持：对于可变尺寸输入，需启用动态形状功能：

IOptimizationProfile* profile = builder->createOptimizationProfile();
profile->setDimensions(inputName, OptProfileSelector::kMIN, Dims4{1,3,224,224});
profile->setDimensions(inputName, OptProfileSelector::kOPT, Dims4{4,3,224,224});
profile->setDimensions(inputName, OptProfileSelector::kMAX, Dims4{8,3,224,224});
config->addOptimizationProfile(profile);

2. 精度优化：根据硬件支持情况选择合适精度：

if (builder->platformHasFastFp16()) {
    config->setFlag(BuilderFlag::kFP16);
}
if (builder->platformHasFastInt8()) {
    config->setFlag(BuilderFlag::kINT8);
}

3. 层融合优化：TensorRT会自动执行层融合，但可通过手动设置限制某些优化：

config->setTacticSources(1U << TacticsSource::kCUBLAS | 1U << TacticsSource::kCUBLAS_LT);

实际应用注意事项

1. 内存管理：确保及时释放不再使用的资源，防止内存泄漏：

context->destroy();
engine->destroy();
builder->destroy();

2. 错误处理：实现完善的错误检查机制，特别是在CUDA操作和内存分配时。

3. 多线程安全：每个线程应使用独立的执行上下文，而引擎可以在线程间共享。

通过以上步骤，开发者可以构建出高效的TensorRT推理流程。实际应用中，还需要根据具体模型特点和硬件环境进行细致的性能调优，才能充分发挥TensorRT的加速潜力。