一、构建TensorRT序列化模型

本博客主要说明的是TensorRT C++ API，从我们获取到onnx模型开始的流程。C++ API可以通过引用头文NvInfer.h来进行访问（使用其命名空间nvinfer1），代码示例：

#include "NvInfer.h"using namespace nvinfer1;

需要说明的是，TensorRT C++的接口类都以I为前缀开头，例如ILogger，IBuilder，等等。如果在此之前不存在，则TensorRT第一次调用CUDA时会自动创建CUDA上下文。在第一次调用TensorRT之前，最好自己创建和配置CUDA上下文。

并且由于需要展示各对象的存在周期，实例代码中没有使用智能指针，但是建议在实际使用中加上智能指针来配合TensorRT接口。

二、搭建阶段（三步走）

要创建构建器，首先必须实例化ILogger接口。这个例子捕获所有警告消息，但忽略信息性消息:

inline const char* severity_string(nvinfer1::ILogger::Severity t) {switch (t) {case nvinfer1::ILogger::Severity::kINTERNAL_ERROR: return "internal_error";case nvinfer1::ILogger::Severity::kERROR:   return "error";case nvinfer1::ILogger::Severity::kWARNING: return "warning";case nvinfer1::ILogger::Severity::kINFO:    return "info";case nvinfer1::ILogger::Severity::kVERBOSE: return "verbose";default: return "unknow";}
}class My_Logger : public nvinfer1::ILogger           
{
public:virtual void log(Severity severity, const char* msg) noexcept override{// suppress info-level messages// 捕获所有警告类消息并输出if (severity <= Severity::kWARNING)// 打印带颜色的字符，格式如下：// printf("\033[47;33m打印的文本\033[0m");// 其中 \033[ 是起始标记//      47    是背景颜色//      ;     分隔符//      33    文字颜色//      m     开始标记结束//      \033[0m 是终止标记// 其中背景颜色或者文字颜色可不写// 部分颜色代码 https://blog.csdn.net/ericbar/article/details/79652086printf("\033[31m%s: %s\033[0m\n", severity_string(severity), msg);}
} my_logger;

然后你可以使用刚刚实例化的一个my_logger作为参数来实例化一个builder：

IBuilder* builder = createInferBuilder(my_logger); 

---

2.1 创建网络

创建构建器之后，优化模型的第一步是创建网络定义:

uint32_t flag = 1U << static_cast<uint32_t>(NetworkDefinitionCreationFlag::kEXPLICIT_BATCH); INetworkDefinition* network = builder->createNetworkV2(flag);

为了使用ONNX解析器导入模型，需要使用kEXPLICIT_BATCH标志。有关更多信息，请参阅显式批处理与隐式批处理部分。

2.2 使用ONNX解析器导入模型

现在，我们可以通过ONNX模型来填充网络定义，ONNX解析器API位于文件nvonnxparser.h中，解析器位于nvonnxparser c++命名空间中：

#include “NvOnnxParser.h”using namespace nvonnxparser;

我们可以通过创建一个ONNX解析器来填充网络定义：

IParser* parser = createParser(*network, my_logger);

然后，我们可以读取ONNX模型路径，并处理各类问题：

//your onnx model's path
const char* ONNX_MODEL = ";
//virtual bool parseFromFile(const char* onnxModelFile, int verbosity);
bool parser_status = parser->parseFromFile(ONNX_MODEL, static_cast<int32_t>(ILogger::Severity::kWARNING));
for (int32_t i = 0; i < parser.getNbErrors(); ++i)
{
std::cout << parser->getError(i)->desc() << std::endl;
}

需要注意的是，TensorRT网络定义的一个重要方面是它包含指向模型权重的指针，这些指针由构建器复制到优化的引擎中。由于网络是使用解析器创建的，所以解析器拥有权重占用的内存，因此在构建器运行之前，不可以删除解析器对象。

---

2.3 构建推理引擎

下一步则是创建一个构建配置，来告诉TensorRT该如何优化模型：

IBuilderConfig* config = builder->createBuilderConfig();

这个接口有很多属性，你可以设置这些属性来控制TensorRT如何优化网络。一个重要的属性是最大工作空间大小。层实现通常需要一个临时工作区，这个参数限制了网络中任何层可以使用的最大大小。如果提供的工作空间不足，TensorRT可能无法找到一个层的实现。默认情况下，工作区被设置为给定设备的总全局内存大小;必要时限制它，例如，当要在单个设备上构建多个引擎时：

config->setMemoryPoolLimit(MemoryPoolType::kWORKSPACE, 1U << 20);

一旦指定了配置，就可以构建引擎：

IHostMemory* serializedModel = builder->buildSerializedNetwork(*network, *config);

由于序列化的引擎包含必要的权重副本。解析器，网络定义，构建器配置和构建器不再是必需的，可以安全地删除:

delete parser;
delete network;
delete config;
delete builder;

然后可以将引擎保存到磁盘，并且可以删除序列化引擎的缓冲区：

delete serializedmodel;

注意:序列化引擎不能跨平台或跨TensorRT版本移植。引擎是特定于它们所构建的确切GPU模型的(除了平台和TensorRT版本)。(PS：在TensorRT8.6版本开始之后，可以通过在导出模型时添加一句代码，来实现导出模型对不同GPU平台的适配，前提是基于Ampere架构的GPU，可以参考我之前的博客关于8.6版本开始的硬件兼容性的一些试错)

由于构建引擎的目的是作为一个离线过程，它可能会花费大量时间。有关如何使构建器运行得更快，请参阅优化构建器性能部分。

三、反序列化模型

假设我们之前已经序列化了一个优化的模型，现在希望执行推理，那么我们必须创建runtime接口的实例，与构建器一样，运行时也需要一个日志记录器的实例：

IRuntime* runtime = createInferRuntime(my_logger);

当我们已经把模型读入缓冲区后，我们可以将模型反序列化来得到一个engine：

ICudaEngine* engine = runtime->deserializeCudaEngine(modelData, modelSize);

四、执行推理

引擎保存优化的模型，但是为了执行推理，我们必须为中间激活管理额外的状态，这是通过ExecutionContext的接口来实现的：