Mxnet模型转换ONNX，再用tensorrt执行前向运算（记录）

环境：ubuntu16.04

tensorrt版本：5.1.5.0

cuda版本：9.0

GPU：1080Ti

Mxnet版本：1.3.1

cudnn：7.3.1

1、tensorrt安装：

https://github.com/NVIDIA/TensorRT

tensorrt的不同版本：

https://developer.nvidia.com/nvidia-tensorrt-download

tensorrt python版的安装参考：

https://blog.csdn.net/zong596568821xp/article/details/86077553

官网参考：

https://docs.nvidia.com/deeplearning/sdk/tensorrt-install-guide/index.html

其实看官网安装tensorrt很简单

2、安装ONNX_TensorRT：

这里才是重点，由于mxnet模型不能直接在tensorrt上直接进行前向运算，所以需要先将mxnet模型转换为onnx模型，再用tensorrt对onnx模型进行前向运算，即模型转换：mxnet->onnx  tensorrt使用onnx完成计算。

首先要安装ONNX_TensorRT，开始踩坑（真是太坑了！！）

ONNX_TensorRT：

主要步骤看官方教程

https://github.com/onnx/onnx-tensorrt

第一个坑：cmake找不到cuda编译器。cmake3.15.1和3.11.1均无法找到cuda的编译器，最后安装的3.9.0成功找到编译器（期间改了无数遍环境变量各种折腾，就是找不到）

由于ONNX_TensorRT需要依赖protobuf和tensorrt，tensorrt前面已经装好了，现在安装protobuf：

https://github.com/protocolbuffers/protobuf

源码安装和pypi两种都做了，原因是两者安装完以后cmake编译时均找不到protobuf，后来更改了third_party下的CMake.lists中233行

COMMAND ${ONNX_PROTOC_EXECUTABLE} ARGS ${PROTOC_ARGS}改为

COMMAND ${Protobuf_PROTOC_EXECUTABLE} ARGS ${PROTOC_ARGS}

Protobuf_PROTOC_EXECUTABLE为定义好的环境变量名称来找到/usr/local/bin/protoc（这一步弄了两天终于编译过了）

第二个大坑：

mxnet模型转换为onnx模型和tensorrt读取onnx模型并创建engine：

mxnet在定义网络时（以下均为symbol情形）尽量将所有函数参数确定，不要用默认参数（及时它们相同），否则容易报错。

期间遇到的问题：

1、BatchNorm下attribute含有spatial，而onnx貌似不支持这一属性（本人也不太清楚spatial具体作用），在转换时注掉spatial=0

2、tensorrt读取onnx模型时发现不支持3d卷积操作，tensorrt支持的onnx operator：

https://github.com/onnx/onnx-tensorrt/blob/master/operators.md

3、源码安装的mxnet（1.3）版本转换onnx时deconv不支持，到

https://github.com/apache/incubator-mxnet/tree/fd34dc5f847192dfd522555afdf13be1eb67b72b/python/mxnet/contrib/onnx

下替换文件。

4、tensorrt调用onnx model时maxpool报错，暂不支持ospet10版本的maxpool。有些操作可以通过转换版本实现，转换版本方法：

https://github.com/onnx/onnx/blob/master/onnx/version_converter.py

最后是onnx安装：

pypi安装即可：

pip3 install onnx

最后

以上就是苹果导师为你收集整理的Mxnet模型转换ONNX，再用tensorrt执行前向运算（记录）的全部内容，希望文章能够帮你解决Mxnet模型转换ONNX，再用tensorrt执行前向运算（记录）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。