目录
前言
杜老师推出的 tensorRT从零起步高性能部署 课程，之前有看过一遍，但是没有做笔记，很多东西也忘了。这次重新撸一遍，顺便记记笔记。
本次课程学习 tensorRT 基础-概述
课程大纲可看下面的思维导图
1. tensorRT基础概述
关于 tensorRT 你需要知道：
- TensorRT 的核心在于对模型算子的优化（合并算子、利用 GPU 特性选择特定核函数等策略），通过 tensorRT 能够在 NVIDIA 系列 GPU 上获得最好的性能
- 因此 tensorRT 的模型，需要在目标 GPU 上实际运行的方式选择最优算法和配置
- 也因此 tensorRT 生成的模型只能在特定条件下运行（编译的 trt 版本、cuda 版本、编译时的 GPU 型号）
- 主要知识点，是模型结构定义方式、编译过程配置、推理过程实现、插件实现、onnx 理解
2. tensorRT补充知识
2.1 什么是tensorRT？
tensorRT 是一个 SDK(Software Development Kit) 即软件开发工具包，用于优化经过训练的深度学习模型以实现高性能推理
2.2 tensorRT特性
tensorRT 为什么能加速推理过程，它是如何优化的？主要体现在以下几个方面：
- 算子融合 Conv+Bias+ReLU -> CBR
- 量化
- INT8 或 FP16 以及 TF32
- 存储优势、计算优势、通信优势
- 内核自动调整
- 根据不同显卡架构、SM数量、内核频率等选择不同的优化策略以及计算方式，寻找最适合当前架构的计算方式
- Kernel可以更加不同大小的batch和问题的复杂度去选择最合适的算法，TensorRT预先写了很多GPU实现，有一个自动选择的过程
- 动态张量线程WorkSpace
- 多流执行
下图展示了 tensorRT 的内部优化，它主要通过算子合并，降低数据扭转来加速推理过程
2.3 tensorRT工作流程
tensorRT 是如何构建模型呢？主要通过两种方式
1. 通过 TRT API 一层层搭建模型
-
tensorRT 提供基于 C++ 接口构建模型的方式，见下图，参考自TensorRT/samples/sampleMNISTAPI/sampleMNISTAPI.cpp
-
tensorRT 也提供基于 Python 接口构建模型的方式，见下图，参考自TensorRT/samples/python/engine_refit_mnist/sample.py
2. NVIDIA 官方也提供另外三种途径实现更加方便的封装，如下图所示
-
直接调用接口非常繁琐。出现问题难以调试，权重描述也比较麻烦，因此 也提供了更高级的方式
-
UFF 格式的文件，通过
libnvparsers.so可以调用 TRT API 去解析 UFF 文件从而构建模型(tensorflow采用的方案) -
ONNX 格式的文件，通过
libnvonnxparser.so可以调用 TRT API 去解析 ONNX 文件从而构建模型(pytorch采用的方案) -
Caffe 格式的文件，通过
libnvcaffe_parser.so可以调用 TRT API 去解析 Caffe 文件从而构建模型(使用较少)
2.4 常见方案
基于 tensorRT 的发布，又有人在这之上做了工作，https://github.com/wang-xinyu/tensorrtx，该 repo 为每个模型写硬代码，并已写好了大量的常见模型代码
常用方案的模型构建的方式采用的硬代码，灵活度差。新模型需要自己一个 layer 一个 layer 的写 C++ 代码构建，不具有通用性，移植性差；而且硬代码方式过于灵活，需要控制的细节太多，部署时也无法查看网络结构进行分析和排查
本课程主要学习以 onnx 路线的模型编译、推理和部署，原因主要有：
若使用 onnx 则导出或者修改好的 onnx 模型，可以轻易的移植到其它引擎上，例如 ncnn、rknn，这一点硬代码无法做到。并且用于排查错误，修改调整时也非常方便
本课程的工作流程如下图所示：
2.5 tensorRT库文件
最后我们再来了解下 tensorRT 的库文件
总结
本次课程为 tensorRT 基础的概述，主要讲解了 tensorRT 的特性，它是 NVIDIA 推出的一个软件工具包，用来优化经过训练的深度学习模型以实现高性能推理，值得注意的是，由于 tensorRT 的模型，需要在目标 GPU 上以实际运行的方式选择最优算法和配置，也因此 tensorRT 生成的模型是与其设备强绑定的，与其编译时的 trt 版本、cuda 版本、GPU 型号相关联。
同时我们还了解了 tensorRT 的工作流程，主要分为两种，一种是通过 C++ 或者 Python 接口来写硬代码，这种方法过于灵活，不方便移植，同时部署错误很难排查。另外一种是通过更高级的封装，通过一些库文件来解析 caffe、uff 或者 onnx 模型，这种方法易于修改调整排查错误，也方便移植，因此本次课程采用第二种方式，