Cap0：TensorRT环境搭建

文章目录

1、安装TensorRT
- 1.1、下载TensorRT压缩包
- 1.2、配置环境变量
2、测试
- 2.1、测试源码
- 2.2、编译源码

1、安装TensorRT

TensorRT是针对NVIDIA显卡设备的加速方案，你要使用TensorRT则证明你有一定的深度学习基础，那么在你的Ubuntu上配置好显卡驱动、CUDA以及cuDNN一定是小菜一碟。

现在假设你已经配置好显卡驱动、CUDA以及cuDNN了，现在让我们来配置TensorRT。其实步骤也很简单：1）下载TensorRT压缩包并解压；2）配置环境变量；

1.1、下载TensorRT压缩包

在NVIDIA TensorRT Download
可以看到很多版本，我们选择最新的8.x的版本。点击进入后勾选I Agree To The ...后就会显示所有的8.x版本。EA即early access抢先体验版，GA是general availability即通用稳定版本。很明显我们优先选择GA版本。
在这里插入图片描述
我们选择TAR包安装方式，可以看到针对Ubuntu（Linux x86_64）有两种选择，区别在于不同的CUDA版本。找到适配自己CUDA版本的TAR Package下载。然后找一个长期存放TensorRT解压文件的地方解压（解压命令:tar -zxvf TensorRT.tar.gz）。
在这里插入图片描述

1.2、配置环境变量

在上文的TensorRT文件夹中，提供了库文件供开发者直接使用，所以我们将其库文件的路径加入到环境变量，方便开发时使用。

解压后的目录结构如下，我们需要设置环境变量指向lib文件夹（其中python是whl文件，可以通过pip安装后在python使用tensorrt）:

vim ~/.bashrc
# 在最后添加：export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:your_tensorrt_path/lib

# 保存退出后
source ~/.bash

或者对当前终端临时变量设置：export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:your_tensorrt_path/lib
在这里插入图片描述

2、测试

2.1、测试源码

在测试环节，我们将尝试使用TensorRT的IBuilder创建一个builder，如果能够创建成功不报错，说明环境配置上没有问题。
代码内容如下：

#include <iostream>
#include "NvInfer.h"

// 实现一个简单的Logger类
class Logger : public nvinfer1::ILogger {
    void log(Severity severity, const char* msg) noexcept override {
        if(severity<=Severity::kWARNING){
            std::cout<<msg<<std::endl;
        }
    }
} gLogger;


int main() {
    // 通过创建一个builder验证TensorRT是否配置成功
    nvinfer1::IBuilder* builder = nvinfer1::createInferBuilder(gLogger);
    if (!builder) {    // 如果builder没有被成功创建
        std::cerr << "Failed to create TensorRT builder" << std::endl;
        return 1;
    }

    // 释放资源
    builder->destroy();
    return 0;
}

2.2、编译源码

编译上面的源码有两种方式：g++或者CMakeLists.txt

g++方式
编译命令如下：
```
g++ -o main TensorRT_test.cpp -I/usr/local/cuda/include -L/usr/local/cuda/lib64 -I/home/aistudio/TensorRT-8.6.1.6/include -L/home/aistudio/TensorRT-8.6.1.6/lib -lnvinfer
```
- -o：上面源码的名称为TensorRT_test.cpp，编译后的文件为main
- -I/usr/local/cuda/include：指定了cuda的头文件所在
- -L/usr/local/cuda/lib64：指定了cuda的库文件所在
- -I/home/aistudio/TensorRT-8.6.1.6/include：指定了TensorRT的头文件所在（指向你解压TensorRT的路径）
- -L/home/aistudio/TensorRT-8.6.1.6/lib：指定了TensorRT的库文件所在
- -lnvinfer：在TensorRT_test.cpp使用了lnvinfer这样的库

CMakeLists.txt方式
CMakeLists.txt的内容如下：

cmake_minimum_required(VERSION 3.5)
project(tensorrt_test)

# 指定CUDA的头文件和库文件
include_directories(/usr/local/cuda/include)
link_directories(/usr/local/cuda/lib64)

# 指定TensorRT的头文件和库文件
include_directories(/home/aistudio/TensorRT-8.6.1.6/include)
link_directories(/home/aistudio/TensorRT-8.6.1.6/lib)

# 添加可执行文件
add_executable(main TensorRT_test.cpp)

# 链接TensorRT库
target_link_libraries(main nvinfer)

编译成功后会产生main文件，通过./main执行后会出现：
在这里插入图片描述
红色框不是报错，而是提示信息：Lazy Loading。TensorRT中提供了很多模块，而我们的程序一般只用到部分，所以没有必要一次性全部加载所有模块。Lazy Loading帮助我们仅加载需要使用到的模块，每个模块将在首次使用该模块中的变量或内核时加载，即延迟加载。上面的信息是告诉我们没有启用Lazy Loading，我们可以通过 export CUDA_MODULE_LOADING=LAZY为当前的终端启用Lazy Loading，后续再执行main就没有提示信息了。