TensorRT 8.6在V100 GPU上运行ONNX模型时出现段错误问题分析

问题背景

在使用TensorRT 8.6.1.6版本对ONNX模型进行推理时，用户报告在Tesla V100 GPU上运行trtexec工具时遇到了段错误(Segmentation fault)。该模型在TensorRT 8.4版本配合CUDA 11.6和GTX 1080显卡的环境下可以正常运行。

环境配置细节

出现问题的环境配置如下：

• TensorRT版本：8.6.1.6
• GPU型号：Tesla V100
• 驱动程序版本：545.23.08
• CUDA版本：12.1
• cuDNN版本：8.9.0.131-1+cuda12.1
• 操作系统：Ubuntu 20.04

问题现象

当执行命令./trtexec --onnx=trtexec_segfault.onnx --verbose时，程序在运行过程中突然崩溃，并输出"Segmentation fault (core dumped)"错误信息。从日志分析，这个问题可能与该模型支持动态批处理大小有关。

技术分析

1. 版本兼容性问题：该模型在TensorRT 8.4上可以正常运行，但在8.6版本出现段错误，表明可能存在版本间的兼容性问题。

2. 硬件差异：V100和GTX 1080采用不同的架构(V100使用Volta架构，GTX 1080使用Pascal架构)，TensorRT在不同架构上的实现可能存在差异。

3. 动态批处理支持：该模型支持动态批处理大小，TensorRT 8.6可能对此特性的处理方式有所改变。

解决方案

根据TensorRT开发团队的反馈，这个问题在TensorRT 9.2版本中已经得到修复。建议用户升级到TensorRT 9.2版本进行测试。

升级TensorRT版本时需要注意：

1. 选择与当前CUDA版本兼容的TensorRT包
2. 确保驱动程序和CUDA版本满足TensorRT 9.2的要求
3. 检查其他依赖库(如cuDNN)的版本兼容性

总结

TensorRT在不同版本和硬件平台上的表现可能存在差异，特别是对于支持动态批处理等高级特性的模型。遇到类似段错误问题时，建议：

1. 首先尝试最新稳定版本的TensorRT
2. 检查模型在不同硬件平台上的兼容性
3. 关注TensorRT的版本更新日志，了解已知问题的修复情况

对于生产环境，建议在升级TensorRT版本前进行充分的测试验证，确保模型的稳定性和性能表现。