ONNXRuntime C++ 实现动态批量推理的技术实践
2025-05-14 00:27:17作者:俞予舒Fleming
背景介绍
ONNXRuntime 是一个高性能的推理引擎,支持多种硬件加速后端。在实际应用中,我们经常需要处理批量输入数据以提高推理效率。本文将详细介绍如何在 C++ 环境下使用 ONNXRuntime 实现动态批量推理,特别是针对图像输入的处理。
核心挑战
在 C++ 中实现 ONNXRuntime 的批量推理时,开发者常遇到以下问题:
- 输入张量形状处理不当
- 图像预处理流程不规范
- 内存管理不严谨
- 异常处理机制缺失
解决方案
1. 模型初始化
首先需要正确初始化 ONNXRuntime 会话,并设置适当的执行提供者选项:
void model::initialize(OnnxENV* env, std::string model_path) {
batch_size = 1; // 可动态调整的批量大小
// 转换模型路径为宽字符格式
std::wstring widestr = std::wstring(model_path.begin(), model_path.end());
const wchar_t* widecstr = widestr.c_str();
// 创建会话
session = Ort::Session(env->env, widecstr, session_options);
// 获取输入输出节点信息
num_input_nodes = session.GetInputCount();
num_output_nodes = session.GetOutputCount();
// 获取输入张量形状
input_node_dims = session.GetInputTypeInfo(0).GetTensorTypeAndShapeInfo().GetShape();
input_node_dims[0] = batch_size; // 设置动态批量维度
}
2. 图像预处理
正确的图像预处理是批量推理的关键。推荐使用 OpenCV 的 blobFromImages 函数简化处理流程:
std::vector<float> model::preprocessing(const cv::Mat& image) {
// 调整图像尺寸
cv::Mat resized_img;
cv::resize(image, resized_img, cv::Size(model_width, model_height));
// 转换颜色空间
cv::cvtColor(resized_img, resized_img, cv::COLOR_BGR2RGB);
// 创建blob并归一化
cv::Mat blob;
cv::dnn::blobFromImage(resized_img, blob, 1.0/255.0);
// 转换为vector<float>
std::vector<float> input_data(blob.begin<float>(), blob.end<float>());
return input_data;
}
3. 创建输入张量
使用预处理后的数据创建 ONNXRuntime 输入张量:
Ort::Value createInputTensor(const std::vector<float>& input_data,
const std::vector<int64_t>& input_shape) {
// 创建内存信息描述符
Ort::MemoryInfo memory_info = Ort::MemoryInfo::CreateCpu(
OrtAllocatorType::OrtArenaAllocator,
OrtMemType::OrtMemTypeDefault);
// 创建张量
return Ort::Value::CreateTensor<float>(
memory_info,
const_cast<float*>(input_data.data()),
input_data.size(),
input_shape.data(),
input_shape.size());
}
4. 执行推理
正确执行批量推理的流程:
void runInference(Ort::Session& session,
const std::vector<Ort::Value>& input_tensors) {
try {
// 准备输出张量容器
std::vector<Ort::Value> output_tensors;
// 执行推理
session.Run(Ort::RunOptions{nullptr},
input_names.data(),
input_tensors.data(),
input_tensors.size(),
output_names.data(),
output_tensors.data(),
output_names.size());
// 处理输出结果...
} catch (const Ort::Exception& e) {
std::cerr << "推理错误: " << e.what() << std::endl;
}
}
最佳实践建议
-
动态批量处理:在模型导出时应设置批量维度为-1,表示支持动态批量大小
-
内存管理:
- 使用智能指针管理资源
- 避免不必要的内存拷贝
- 预分配内存空间
-
异常处理:
- 捕获并处理 ONNXRuntime 异常
- 添加详细的错误日志
-
性能优化:
- 使用合适的执行提供者(CUDA/TensorRT)
- 启用图优化
- 考虑使用异步推理
常见问题排查
-
输入形状不匹配:
- 检查模型预期的输入形状
- 验证预处理后的数据形状
- 确保批量维度正确设置
-
推理失败:
- 检查输入数据范围(是否已归一化)
- 验证执行提供者是否可用
- 检查模型是否支持当前ONNXRuntime版本
-
性能问题:
- 分析预处理耗时
- 检查是否启用了合适的加速后端
- 考虑使用固定批量大小以获得最佳性能
总结
通过本文介绍的方法,开发者可以在 C++ 环境中高效地实现 ONNXRuntime 的批量推理功能。关键在于正确处理输入张量的形状、规范图像预处理流程以及合理管理内存资源。对于需要高性能的场景,建议结合 TensorRT 或 CUDA 执行提供者,并针对具体应用场景进行优化。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0301- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
863
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

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
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K