NVIDIA TensorRT 开源项目教程
2024-08-07 04:55:48作者:侯霆垣
TensorRT
NVIDIA® TensorRT™ 是一个用于在 NVIDIA GPU 上进行高性能深度学习推理的软件开发工具包(SDK)。此代码库包含了 TensorRT 的开源组件
1. 项目的目录结构及介绍
NVIDIA TensorRT 是一个用于高性能深度学习推理的 SDK,其开源项目包含多个组件和示例应用程序。以下是项目的目录结构及其介绍:
TensorRT/
├── CMake/
├── demo/
├── docs/
├── docker/
├── Makefile
├── onnx-graphsurgeon/
├── parsers/
│ ├── onnx/
│ └── uff/
├── plugin/
├── samples/
│ ├── common/
│ ├── uff_ssd/
│ └── ...
├── tools/
├── README.md
└── ...
- CMake/: 包含用于构建项目的 CMake 配置文件。
- demo/: 包含一些演示应用程序。
- docs/: 包含项目的文档,如用户指南和 API 参考。
- docker/: 包含用于构建 Docker 容器的配置文件。
- Makefile: 用于构建项目的 Makefile。
- onnx-graphsurgeon/: 包含用于 ONNX 图操作的工具。
- parsers/: 包含模型解析器,如 ONNX 和 UFF 解析器。
- plugin/: 包含自定义插件的实现。
- samples/: 包含示例应用程序,展示如何使用 TensorRT。
- tools/: 包含各种工具和脚本。
- README.md: 项目的主 README 文件,包含项目的基本信息和使用说明。
2. 项目的启动文件介绍
TensorRT 项目的启动文件通常是示例应用程序中的主文件。以下是一个典型的启动文件示例:
# samples/sampleMNIST/sampleMNIST.py
import tensorrt as trt
import pycuda.driver as cuda
import pycuda.autoinit
# 创建 TensorRT 引擎
def build_engine(model_file):
with trt.Builder(TRT_LOGGER) as builder, builder.create_network() as network, trt.OnnxParser(network, TRT_LOGGER) as parser:
with open(model_file, 'rb') as model:
parser.parse(model.read())
return builder.build_cuda_engine(network)
# 加载模型并进行推理
def main():
model_file = "mnist.onnx"
engine = build_engine(model_file)
# 进行推理...
if __name__ == "__main__":
main()
- sampleMNIST.py: 这是一个示例应用程序,用于加载 MNIST 模型并进行推理。
- build_engine: 函数用于创建 TensorRT 引擎。
- main: 主函数,加载模型并进行推理。
3. 项目的配置文件介绍
TensorRT 项目的配置文件通常是用于构建和运行示例应用程序的配置文件。以下是一个典型的配置文件示例:
# samples/common/config.py
import os
# 配置参数
MODEL_FILE = "mnist.onnx"
BATCH_SIZE = 1
MAX_WORKSPACE_SIZE = 1 << 30
# 其他配置参数...
- config.py: 包含示例应用程序的配置参数。
- MODEL_FILE: 指定模型文件的路径。
- BATCH_SIZE: 指定批处理大小。
- MAX_WORKSPACE_SIZE: 指定最大工作空间大小。
以上是 NVIDIA TensorRT 开源项目的基本教程,涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这些内容能帮助你更好地理解和使用 TensorRT 项目。
TensorRT
NVIDIA® TensorRT™ 是一个用于在 NVIDIA GPU 上进行高性能深度学习推理的软件开发工具包(SDK)。此代码库包含了 TensorRT 的开源组件
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript75.83 K19.04 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
热门内容推荐
展开
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K