TensorRT模型输出错误问题的排查与解决

问题背景

在使用TensorRT 8.6.1将BERT-base-chinese模型从ONNX格式转换为TensorRT引擎时，虽然转换过程没有报错，但推理结果却与原始PyTorch模型和ONNX模型的输出不一致。这个问题在Windows和Linux环境下都存在，且在不同TensorRT版本(8.5.1.7和8.6.1)中表现相同。

问题分析

模型转换过程

1. 首先使用optimum-cli工具将HuggingFace的bert-base-chinese模型导出为ONNX格式，该ONNX模型在推理时能给出与原始PyTorch模型完全一致的预测结果和概率分布。

2. 然后使用TensorRT的Python API将ONNX模型转换为TensorRT引擎。转换过程中设置了动态输入批次，并为三个输入(input_ids、attention_mask和token_type_ids)分别指定了形状范围。

3. 转换过程耗时约1分钟，没有出现任何错误日志，表面上看转换是成功的。

推理过程异常

在推理阶段，无论输入什么内容，TensorRT引擎总是给出错误的预测结果。值得注意的是：

• ONNX模型在相同输入下能给出正确结果
• 使用trtexec命令行工具转换的TensorRT引擎也表现出相同问题
• 尝试使用FP32精度转换后问题依旧存在

根本原因

经过深入排查，发现问题出在TensorRT引擎的输入绑定顺序上。在PyTorch和ONNX模型中，输入的顺序是：

1. input_ids
2. token_type_ids
3. attention_mask

而在TensorRT引擎中，输入的顺序却变成了：

1. input_ids
2. attention_mask
3. token_type_ids

这种输入绑定顺序的不一致导致了模型接收到的输入数据被错误地分配给了不同的输入节点，从而产生了错误的输出结果。

解决方案

要解决这个问题，只需在TensorRT推理时调整输入绑定的顺序，使其与TensorRT引擎期望的顺序一致：

# 错误的绑定顺序（与ONNX一致但TensorRT不匹配）
# bindings = [int(d_input_ids), int(d_token_type_ids), int(d_attention_mask), int(d_output)]

# 正确的绑定顺序（匹配TensorRT引擎期望的顺序）
bindings = [int(d_input_ids), int(d_attention_mask), int(d_token_type_ids), int(d_output)]

经验总结

1. 输入顺序一致性：在模型转换和部署过程中，确保各阶段输入参数的顺序一致至关重要。不同框架对输入参数的排序可能有不同约定。

2. 调试技巧：当遇到模型输出异常时，可以：

   • 首先验证ONNX模型的正确性
   • 然后检查TensorRT引擎的输入输出绑定
   • 最后确认数据在各阶段的传递是否正确

3. 文档参考：在使用TensorRT部署模型时，应仔细查阅相关文档，了解引擎对输入参数的顺序要求。

4. 验证方法：可以通过输出中间结果或使用小批量已知数据来验证模型各阶段的正确性。

这个问题虽然看似简单，但确实容易忽视。它提醒我们在模型部署过程中，不仅要关注模型结构和参数的正确性，还要注意这些看似"琐碎"但至关重要的实现细节。