onnx tensorRT insightface 实践

浅浅的花香味﹌ 2022-10-07 06:00 287阅读 0赞

# 一、环境问题 #

## 1、查看自己的电脑版本 ##

cuda 版本  
cat /usr/local/cuda/version.txt

cudnn 版本  
cat /usr/local/cuda/include/cudnn.h | grep CUDNN\_MAJOR -A 2  
不显示 运行如下命令  
cat /usr/local/cuda/include/cudnn\_version.h | grep CUDNN\_MAJOR -A 2

CUDA Version 11.0.207
    
    #define CUDNN_MAJOR 8
    #define CUDNN_MINOR 0
    #define CUDNN_PATCHLEVEL 5
    --
    #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
    #endif /* CUDNN_VERSION_H */

## 2、安装TensorRT！ ##

安装TensorRT的方式有很多，官方提供了多种方式：

You can choose between the following installation options when installing TensorRT; Debian or RPM packages, a pip wheel file, a tar file, or a zip file.

这些安装包都可以从官方直接下载，从 [https://developer.nvidia.com/nvidia-tensorrt-download][https_developer.nvidia.com_nvidia-tensorrt-download] 进入下载即可，需要注意这里我们要注册会员并且登录才可以下载。老潘一直使用的方式是下载tar包，下载好后解压即可，只要我们的环境符合要求就可以直接运行，类似于绿色免安装。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70] 电脑cudnn 8.0 CUDA 11.0 , 选择TensorRT8  
[https://developer.nvidia.com/nvidia-tensorrt-8x-download][https_developer.nvidia.com_nvidia-tensorrt-8x-download]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 1]

例如下载TensorRT-7.2.3.4.Ubuntu-18.04.x86\_64-gnu.cuda-11.1.cudnn8.1.tar.gz，下载好后，tar -zxvf解压即可。

解压之后我们需要添加环境变量，以便让我们的程序能够找到TensorRT的libs。

vim ~/.bashrc
    export LD_LIBRARY_PATH=/path/to/TensorRT-8.0.0.3/lib:$LD_LIBRARY_PATH
    export LIBRARY_PATH=/path/to/TensorRT-8.0.0.3/lib::$LIBRARY_PATH
    
    source ~/.bashrc

# 二、相关知识参考 #

## [TensorRT详细入门指北，如果你还不了解TensorRT，过来看看吧][TensorRT_TensorRT] ##

## [bili 视频学习 onnx tensorRT 流程][bili _ onnx tensorRT] ##

## 3、onnx tensorrt 使用 ##

我们不需要克隆TensorRT Backend For ONNX，之前下载好的TensorRT包中已经有这个工具的可执行文件了，官方已经替我们编译好了，只要我们的环境符合要求，是直接可以用的。

### 1、TensorRT-8.0.0.3/bin/ 中直接使用trtexec这个工具， 这个工具是 TensorRT-8.0.0.3/samples/trtexec/ 编译生成的， [trtexec/README.md][trtexec_README.md] ###

./trtexec --help  查看输入参数信息
    运行
    ./trtexec --verbose --onnx=resnet50.onnx --saveEngine=resnet50_fp16.trt --fp16
    ./trtexec --verbose --onnx=resnet50.onnx --saveEngine=resnet50.trt
    动态输入命令
    ./trtexec --verbose --onnx=model.onnx --saveEngine=resnet50_dynamic_shape.trt --optShapes=input:16x3x244x244 --minShapes=input:1x3x244x244 --maxShapes=input:32x3x244x244 --shapes=input:5x3x244x244

### 2、如果报错了，报错会有很多中情况 ###

1、一般是 onnx 的问题， 先改 onnx 模型，  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 2]

1、onnx 版本
    	ValidationError: Your model ir_version is higher than the checker's  （从1.4.1 更新到最新2021/6/18是1.9.0）
    	pip3 install --upgrade onnx
    
    	2、simply 简化模型
        from onnxsim import simplify  #  pip install onnx-simplifier
        model, check = simplify(model)
        assert check, "Simplified ONNX model could not be validated"
    	onnx.save(model, output)
    	
    	3、opset_version=12 版本 使用最高的
    	
    	4、自定义 onnx 层  onnx 官方有方法

2、 或者分析查找原因 tensorRT端的插件 用 GraphSurgeon 插件 修改 onnx 节点，再保存。

ONNX GraphSurgeon 可以修改我们导出的ONNX模型，增加或者剪掉某些节点，修改名字或者维度等等
    cd TensorRT-8.0.0.3/onnx_graphsurgeon
    pip3 install ./onnx_graphsurgeon-0.2.6-py2.py3-none-any.whl

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 3]

3、如果是trt 不支持的层，进行 trt plugin 的修改添加。

# 三、转换实践 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 4]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 5]

## 3 转换insightface onnx to tensorRT ##

##### 可以用trtexec 直接转换 #####

###### 错误解决1 Internal Error (Network must have at least one output) （1.7 pytorch insightface模型， onnx） ######

模型名字写错导致

一般错误 尝试方法， torch.onnx.export(net, img, output,input\_names=\[“data”\],output\_names=\[“fc1”\],verbose=True,opset\_version=12) ，opset\_version 换成多个版本导出，  
更新onnx, 简化

不行的话不用自带编译好的 ./trtexec 运行生成 trt 模型了  
下载 [ onnx / onnx-tensorrt][onnx _ onnx-tensorrt] 用查看issue 修改源码编译，生成trt模型

cd onnx-tensorrt-master/onnx_tensorrt$ mkdir build && cd build
    cd onnx-tensorrt-master/onnx_tensorrt/build
    onnx-tensorrt-master/onnx_tensorrt/build$ cmake .. -DTENSORRT_ROOT=/nfs-data/syy/TensorRT-8.0.0.3 && make -j  # tensort 安装的位置不是这个文件夹的位置

[TensorRT Python API 详解][TensorRT Python API]

## 4、trt模型 前向推理 ##

c++ 或者 python 官方示例  
[https://github.com/NVIDIA/trt-samples-for-hackathon-cn][https_github.com_NVIDIA_trt-samples-for-hackathon-cn]

[https_developer.nvidia.com_nvidia-tensorrt-download]: https://developer.nvidia.com/nvidia-tensorrt-download
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70]: /images/20221005/ef8a000b2e354da8900bd5b33699449f.png
[https_developer.nvidia.com_nvidia-tensorrt-8x-download]: https://developer.nvidia.com/nvidia-tensorrt-8x-download
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 1]: /images/20221005/c1a90fa265314e4d8ec6d4a1939a3f87.png
[TensorRT_TensorRT]: https://blog.csdn.net/IAMoldpan/article/details/117908232
[bili _ onnx tensorRT]: https://www.bilibili.com/video/BV1My4y147Vi?from=search&seid=8310504363748395496
[trtexec_README.md]: https://github.com/NVIDIA/TensorRT/blob/master/samples/opensource/trtexec/README.md
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 2]: /images/20221005/7b71687a7b4b4ca3b40826daeca44ed3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 3]: /images/20221005/a2de63a8f85a4c099a4808589e83547a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 4]: /images/20221005/9d39c036ded24aeeb60260ed42b41d77.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM3MTkyNTU0_size_16_color_FFFFFF_t_70 5]: /images/20221005/2cb80e767a5445d1aad4b605a469a545.png
[onnx _ onnx-tensorrt]: https://codechina.csdn.net/mirrors/onnx/onnx-tensorrt?utm_source=csdn_github_accelerator
[TensorRT Python API]: https://blog.csdn.net/irving512/article/details/115403888
[https_github.com_NVIDIA_trt-samples-for-hackathon-cn]: https://github.com/NVIDIA/trt-samples-for-hackathon-cn