0.前言

AI模型部署的常见方案
参考: pytorch模型转TensorRT模型部署

cpu: pytorch->onnx->onnxruntime
gpu: pytorch->onnx->onnx2trt->tensorRT
arm: pytorch->onnx->ncnn/mace/mnn

在这里我们使用的是GPU的模型部署：pytorch->onnx->onnx2trt->tensorRT

1.环境的搭建（Linux）

重要的依赖

CUDA
cudnn
TensorRT
pytorch

CUDA的安装

step1.你需要查看你电脑显卡驱动所支持的最大CUDA版本

查看GPU信息的命令

watch -n 0.5 nvidia-smi

在这里插入图片描述

比如卡驱动所支持的最大CUDA版本

CUDA Version: 12.0

step2.下载CUDA

链接: CUDA下载官网：CUDA Toolkit Archive | NVIDIA Developer
在这里插入图片描述

下载之后你将得到一个.run的文件

step3.进行安装

sudo chmod +x cuda_11.6.0_510.39.01_linux.run #给文件权限
./ cuda_11.6.0_510.39.01_linux.run

在这里插入图片描述

对于已经按照显卡驱动的我们老说，应该按回车取消驱动的安装。

Options中是关于安装路径和链接的设置，我选择默认。

step4.环境变量的设置

安装完成后

cd /usr/local/

你将会看到cuda和cuda11.6，cuda是指向cuda11.6的链接。
在这里插入图片描述
如果你安装了多了cuda，比如cuda11.6和cuda11.7,那么需要使用cuda11.7时候把cuda这个文件指向cuda11.7,这个操作可能实在安装的时候帮你自动完成的。
设置环境变量

sudo gedit ~/.bashrc

export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
export PATH="/usr/local/cuda/bin:$PATH"
export CUDA_HOME="/usr/local/cuda:$CUDA_HOME"

保存退出后，你需要在每个终端进行刷新

source ~/.bashrc

或者重启你的电脑。

cudnn我们先不安装，等待TensorRT版本确定之后再根据TensorRT的要求的cudnn版本进行安装。如果不这样做，在使用TensorRT时会出现警报，我们最好避免。cudnn的按照将出现在TensorRT的安装章节中。

step5.验证

nvcc -V

在这里插入图片描述

Pytorch的安装

step1.安装Miniconda并创建环境用于pytorch的安装

链接: linux安装miniconda3
python版本，我选择3.8

step2.安装pytorch版本

链接: pytorch
在这里插入图片描述
在这里你可以选择更多pytorch的版本，根据你所安装的cuda版本选择。

我选择的版本

1.12.0+cu116

TensorRT的安装

step1.下载TensorRT

链接: NVIDIA TensorRT Download
选择一个版本进行下载，注意确保这个版本所支持的CUDA与你的版本对应。
在这里插入图片描述
我的下载所得

下面我们去安装cudnn，TensorRTu要求按照的cudnn版本是8.6.

step2.cudnn的安装

链接: cuDNN Download
在这里插入图片描述
下载解压后你将得到

之后使用命令将include和lib中的文件复制到cuda-11.6的文件夹中，/usr/local/cuda-11.6

链接: Linux之cuda、cudnn安装及版本切换

sudo cp include/cudnn* /usr/local/cuda-11.6/include/

sudo cp lib/lib* /usr/local/cuda-11.6/lib64/

sudo chmod a+r /usr/local/cuda-11.6/include/cudnn* /usr/local/cuda-11.6/lib64/libcudnn*

step3.TensorRT-python的安装

切换到pytorch环境

conda activate pytorch

进入TensorRT-python的安装文件夹中
在这里插入图片描述
根据你的python版本按照

pip install tensorrt-8.5.1.7-cp38-none-linux_x86_64.whl

pip list
在这里插入图片描述
之后你的pytorch环境中才可以

import tensorrt as trt

打印环境信息

import torch
import cv2
import tensorrt
print(torch.__version__)# 1.12.1+cu116
print(torch.version.cuda)# 11.6
print(torch.backends.cudnn.version())#   8600
print(cv2.__version__)
print(tensorrt.__version__)

注意，cudnn版本的打印适合tensorrt有关的，如果你更新了cuda或者cudnn的版本，那么你需要重新安装pytorch环境中的tensorrt工具包。

torch.backends.cudnn.version()

Pytorch模型转TensorRT模型部署（一.环境的搭建）