8.3.1 TensorRT安装配置


文档摘要

TensorRT安装配置 一、简介 TensorRT是一个高性能的深度学习推理(Inference)优化器,可以为深度学习应用提供低延迟、高吞吐率的部署推理。TensorRT可用于对超大规模数据中心、嵌入式平台或自动驾驶平台进行推理加速。TensorRT支持TensorFlow、Caffe、Mxnet、Pytorch等几乎所有的深度学习框架,将TensorRT和NVIDIA的GPU结合起来,能在几乎所有的框架中进行快速和高效的部署推理。 TensorRT 在运行时,加载一个已经训练好的神经网络,创建一个经过内部高度优化的引擎(engine),来进行快速计算。TensorRT 同时提供 C++ 和 Python API 接口。

TensorRT安装配置

一、简介

TensorRT是一个高性能的深度学习推理(Inference)优化器,可以为深度学习应用提供低延迟、高吞吐率的部署推理。TensorRT可用于对超大规模数据中心、嵌入式平台或自动驾驶平台进行推理加速。TensorRT支持TensorFlow、Caffe、Mxnet、Pytorch等几乎所有的深度学习框架,将TensorRT和NVIDIA的GPU结合起来,能在几乎所有的框架中进行快速和高效的部署推理。

TensorRT 在运行时,加载一个已经训练好的神经网络,创建一个经过内部高度优化的引擎(engine),来进行快速计算。TensorRT 同时提供 C++ 和 Python API 接口。TensorRT 同时支持 Windows/Ubuntu/iOS 系统,本教程基于Ubuntu18.04 进行讲解。

二、安装

(一)下载安装

本教程安装版本:TensorRT-7.0.0.11.Ubuntu-18.04.x86_64-gnu.cuda-10.0.cudnn7.6.tar,下载链接

相应的依赖环境:

  • CUDA 10.0
  • CUDNN 7.6.5
  • Python 2 / Python 3

(二)配置环境变量

将下载好的压缩包,放在一个路径下,比如在我的电脑:/home/TensorRT-7。然后将 TensorRT 的 lib 文件路径加入系统环境变量:

sudo vi ~/.bashrc export LD_LIBRARY_PATH="TensorRT-${version}/lib:$LD_LIBRARY_PATH" source ~/.bashrc

(三)安装 Python 接口 (可选)

如果需要用 Python API 进行编程,对应安装如下:

cd TensorRT-${version}/python sudo pip2 install tensorrt-*-cp27-none-linux_x86_64.whl # python2 # sudo pip3 install tensorrt-*-cp3x-none-linux_x86_64.whl # python3

(四)安装UFF转换库 (可选)

如果需将 TensorFlow 训练后的网络通过 UFF 编码方式转换到TensorRT ,对应安装如下:

cd TensorRT-${version}/uff sudo pip2 install uff-0.6.5-py2.py3-none-any.whl # python2 # sudo pip3 install uff-0.6.5-py2.py3-none-any.whl # python3

(五)安装 graphsurgeon(可选)

graphsurgeon 是对UFF编码网络进行定制化操作的库,如插入或删除神经网络某一层layer:

cd TensorRT-${version}/graphsurgeon sudo pip2 install graphsurgeon-0.4.1-py2.py3-none-any.whl # python2 # sudo pip3 install graphsurgeon-0.4.1-py2.py3-none-any.whl # python3

三、验证安装

(一)检测目录是否正确:

cd TensorRT-${version}

检查是否包含以下文件夹:libincludedata

(二)测试 sampleMNIST

cd <TensorRT root directory>/data/mnist python download_pgms.py cd <TensorRT root directory>/samples/sampleMNIST make <TensorRT root directory>/bin$:./sample_mnist --------------------------- @@@@@@@@@@@@@@@@@@@@@@@@@@@@ @@@@@@@@@@@@@@%.-@@@@@@@@@@@ @@@@@@@@@@@*- %@@@@@@@@@@ @@@@@@@@@@= .-. *@@@@@@@@@@ @@@@@@@@@= +@@@ *@@@@@@@@@@ @@@@@@@@* =@@@@ %@@@@@@@@@@ @@@@@@@@..@@@@% @@@@@@@@@@@ @@@@@@@# *@@@@- @@@@@@@@@@@ @@@@@@@: @@@@% @@@@@@@@@@@ @@@@@@@: @@@@- @@@@@@@@@@@ @@@@@@@: =+*= +: *@@@@@@@@@@ @@@@@@@*. +@: *@@@@@@@@@@ @@@@@@@@%#**#@@: *@@@@@@@@@@ @@@@@@@@@@@@@@@: -@@@@@@@@@@ @@@@@@@@@@@@@@@+ :@@@@@@@@@@ @@@@@@@@@@@@@@@* @@@@@@@@@@ @@@@@@@@@@@@@@@@ %@@@@@@@@@ @@@@@@@@@@@@@@@@ #@@@@@@@@@ @@@@@@@@@@@@@@@@: +@@@@@@@@@ @@@@@@@@@@@@@@@@- +@@@@@@@@@ @@@@@@@@@@@@@@@@*:%@@@@@@@@@ 0: 1: 2: 3: 4: 5: 6: 7: 8: 9: **********

注: 如果 download_pgms.py 下载数据失败,手动下载完成后,修改 download_pgms.py 将原有np.fromstring为np.fromfile,相应的 urllib.request.urlopen() 改为 open(' ', 'rb')。

若输出与上述一致, 则证明安装成功。


发布者: 作者: 转发
评论区 (0)
U