前段时间接到一个工程任务，对「MVSNet_pytorch」（链接：https://github.com/xy-guo/MVSNet_pytorch）模型进行加速，以实现效率的提升。经过一段时间的调研与实践，算是对模型加速这方面有了一定的了解，便促成了此文。
1、如何实现模型加速？
既然要提升效率，实现模型加速，那么具体应该怎么做呢？
目前常用的深度学习模型加速的方法是：将pytorch/tensorflow等表示的模型转化为TensorRT表示的模型。 pytorch和tensorflow我们了解，那么TensorRT是什么呢？
TensorRT是NVIDIA公司出的能加速模型推理的框架，其实就是让你训练的模型在测试阶段的速度加快，比如你的模型测试一张图片的速度是50ms，那么用tensorRT加速的话，可能只需要10ms。有关TensorRT更详细的介绍，本文不做赘述，可自行参考官网。
我将实现深度学习模型加速整体分成了两部分：
- 模型转换部分。实现 Pytorch/Tensorflow Model -> TensorRT Model 的转换。
- 模型推断（Inference）部分。利用 TensorRT Model 进行模型的 Inference。
注意：由于我只进行了 Pytorch -> TensorRT 模型的转换。因此，下面的方式仅对 Pytorch -> TensorRT 的转换有效，不保证对其他形式的模型转换同样适用！
2、模型转换
如何由 Pytorch Model 得到对应的 TensorRT Model 呢？一般有两种方式：
- 借助 「torch2trt」 （链接：
https://github.com/NVIDIA-AI-IOT/torch2trt）进行转换。https://github.com/xy-guo/MVSNet_pytorch 是一个直接将 Pytorch 模型转换为 TensorRT 模型的库，但是不能保证所有的模型的都能转换成功，比如本文所转换的mvsnet_pytorch就失败了。但不妨可以一试，毕竟可以省去一大部分功夫。 - 「Pytorch -> onnx -> TensorRT」。这条路是使用最广泛的，首先将 Pytorch 模型转换为 ONNX 表示的模型；再将 ONNX 表示的模型转换为 TensorRT 表示的模型。这个方法也是本文重点介绍的方法。
3、Pytorch -> ONNX 的转换
Pytorch -> ONNX 的转换比较简单，借助于 Pytorch 内置的API即可。
torch.onnx.export(model, x, "./ckpts/onnx_models/{}.onnx".format(model_name), input_names=input_names, output_names=output_names, opset_version=16, )
关于这个函数中各个参数的具体含义，可以参考这篇文章(https://zhuanlan.zhihu.com/p/498425043)或者官方文档(https://pytorch.org/docs/stable/onnx.html)。这里需要强调的一点是参数「opset_version」：由于onnx官方还在不断更新，目前只有一部分的pytorch算子能够进行转换，还有相当一部分算子是无法转换的。所以，我们在进行转换的时候，尽量选择最新版本的opset_version，来确保更多的算子能够被转换。目前ONNX官方支持的算子及对应的版本(https://github.com/onnx/onnx/blob/main/docs/Operators.md)。
在我转换MVSNet_pytorch的时候，由于模型中使用了torch.inverse()算子，而不巧的是该算子并不能够被转换。在这种情况下，可以参考如下解决手段：
- 在数据准备阶段将数据转换好，从而在模型中移除该操作。（我也是使用这种方法的，由于torch.inverse只是对一个矩阵取逆，在模型训练之前，我就对矩阵取逆，直接将该结果送入模型，在网络中就不需要取逆了，从而避免了模型转换时出现错误。）
- 使用功能相近的算子进行替代。
- 自定义算子注册。难度较大，需要对pytorch源码有一定的理解。 至此，Pytorch -> ONNX 的转换就结束了。可以借助onnxruntime工具(
https://onnxruntime.ai/docs/tutorials/export-pytorch-model.html)测试一下转换完的ONNX模型是否正确。
4、ONNX -> TensorRT 的转换
在进行 ONNX -> TensorRT 的转换之前，强烈建议使用onnx-simplifier工具（https://github.com/daquexian/onnx-simplifier）对转换过的ONNX模型进行简化，否则有可能在接下来的转换中报错。onnx-simplifier是一个对ONNX模型进行简化的工具，我们前面转换得到的ONNX模型其实是非常冗余的，有一些操作（比如IF判断）是不需要的，而这些冗余的部分在接下来的ONNX->TensorRT模型的转换中很可能会引起不必要的错误，同时也会增大模型的内存；因此，对其进行简化是很有必要的。
下面我们需要将ONNX模型转为TensorRT模型，首先将ONNX文件移动到TensorRT-8.5.1.7/bin目录下并打开终端使用「官方工具trtexec」进行模型转换。该工具已经在之前下载的TensorRT文件夹中。TensorRT的安装教程可以参考文末链接。
#输入命令 ./trtexec --onnx=mvsnet.onnx --saveEngine=mvsnet.trt --workspace=6000
如果不报错的话，我们会在bin目录下得到一个名为mvsnet.trt的模型，这就是转换得到的TensorRT模型。至此，模型转换部分全部结束。
5、模型推断（Inference）
这部分我们要使用转换得到的.trt模型进行Inference，要解决的任务就是：如何加载该模型，输入测试数据并得到对应的输出。
首先，编写TRTModule类，相当于使用TensorRT模型进行前向遍历
class TRTModule(torch.nn.Module): def __init__(self, engine=None, input_names=None, output_names=None): super(TRTModule, self).__init__() self.engine = engine if self.engine is not None: # engine创建执行context self.context = self.engine.create_execution_context() self.input_names = input_names self.output_names = output_names def forward(self, inputs): bindings = [None] * (len(self.input_names) + len(self.output_names)) # 创建输出tensor，并分配内存 outputs = [None] * len(self.output_names) for i, output_name in enumerate(self.output_names): idx = self.engine.get_binding_index(output_name) # 通过binding_name找到对应的input_id dtype = torch_dtype_from_trt(self.engine.get_binding_dtype(idx)) # 找到对应的数据类型 shape = tuple(self.engine.get_binding_shape(idx)) # 找到对应的形状大小 device = torch_device_from_trt(self.engine.get_location(idx)) output = torch.empty(size=shape, dtype=dtype, device=device) outputs[i] = output bindings[idx] = output.data_ptr() # 绑定输出数据指针 for i, input_name in enumerate(self.input_names): idx = self.engine.get_binding_index(input_name) bindings[idx] = inputs[i].contiguous().data_ptr() self.context.execute_async_v2( bindings, torch.cuda.current_stream().cuda_stream ) # 执行推理 outputs = tuple(outputs) if len(outputs) == 1: outputs = outputs[0] return outputs
接着，创建TRTModule实例，即创建模型。输入测试数据进行测试
def main(): logger = trt.Logger(trt.Logger.INFO) with open("./ckpts/trt_models/model_000015-sim.trt", "rb") as f, trt.Runtime(logger) as runtime: engine = runtime.deserialize_cuda_engine(f.read()) # 输入trt本地文件，返回ICudaEngine对象 for idx in range(engine.num_bindings): # 查看输入输出的名字，类型，大小 is_input = engine.binding_is_input(idx) name = engine.get_binding_name(idx) op_type = engine.get_binding_dtype(idx) shape = engine.get_binding_shape(idx) print(f"idx: {idx}, is_input: {is_input}, binding_name: {name}, shape: {shape}, op_type: {op_type}") trt_model = TRTModule(engine=engine, input_names=["in_imgs", "in_proj_matrices", "in_inverse_proj_matrices", "in_depth_values"], output_names=["out_depth", "out_confidence"] ) torch_model = torch.load(f"./ckpts/torch_models/model_000015.pth").cuda() # create example data data_iter = iter(TestImgLoader) sample = data_iter.__next__() sample_cuda = tocuda(sample) x = (sample_cuda["imgs"], # (1, 3, 3, 512, 640) sample_cuda["proj_matrices"], # (1, 3, 4, 4) sample_cuda["inverse_proj_matrices"], # (1, 3, 4, 4) sample_cuda["depth_values"]) # (1, 192) # define input and output names # input_names = ['in_imgs', 'in_proj_matrices', 'in_inverse_proj_matrices', 'in_depth_values'] # output_names = ['out_depth', 'out_confidence'] check_results(torch_model=torch_model, trt_model=trt_model, x=x) # check_speed(torch_model=torch_model, trt_model=trt_model, data_loader=TestImgLoader)
完整代码如下：
import sys import time import torch import tensorrt as trt import argparse from datasets import find_dataset_def from torch.utils.data import DataLoader from utils import * import warnings warnings.filterwarnings("ignore") parser = argparse.ArgumentParser(description='Predict depth, filter, and fuse. May be different from the original implementation') parser.add_argument('--model', default='mvsnet', help='select model') parser.add_argument('--dataset', default='dtu_yao_eval', help='select dataset') parser.add_argument('--testpath', default='/media/qing_bo/sunxusen/mvs/data/DTU/mvs_testing/dtu/', help='testing data path') parser.add_argument('--testlist', default='../../lists/dtu/test.txt', help='testing scan list') parser.add_argument('--batch_size', type=int, default=1, help='testing batch size') parser.add_argument('--numdepth', type=int, default=192, help='the number of depth values') parser.add_argument('--interval_scale', type=float, default=1.06, help='the depth interval scale') parser.add_argument('--loadckpt', default=None, help='load a specific checkpoint') parser.add_argument('--outdir', default='./outputs', help='output dir') parser.add_argument('--display', action='store_true', help='display depth images and masks') # parse arguments and check args = parser.parse_args() # dataset, dataloader MVSDataset = find_dataset_def(args.dataset) test_dataset = MVSDataset(args.testpath, args.testlist, "test", 5, args.numdepth, args.interval_scale) TestImgLoader = DataLoader(test_dataset, args.batch_size, shuffle=False, num_workers=4, drop_last=False) def trt_version(): return trt.__version__ def torch_device_from_trt(device): if device == trt.TensorLocation.DEVICE: return torch.device("cuda") elif device == trt.TensorLocation.HOST: return torch.device("cpu") else: return TypeError("%s is not supported by torch" % device) def torch_dtype_from_trt(dtype): if dtype == trt.int8: return torch.int8 elif trt_version() >= '7.0' and dtype == trt.bool: return torch.bool elif dtype == trt.int32: return torch.int32 elif dtype == trt.float16: return torch.float16 elif dtype == trt.float32: return torch.float32 else: raise TypeError("%s is not supported by torch" % dtype) class TRTModule(torch.nn.Module): def __init__(self, engine=None, input_names=None, output_names=None): super(TRTModule, self).__init__() self.engine = engine if self.engine is not None: # engine创建执行context self.context = self.engine.create_execution_context() self.input_names = input_names self.output_names = output_names def forward(self, inputs): bindings = [None] * (len(self.input_names) + len(self.output_names)) # 创建输出tensor，并分配内存 outputs = [None] * len(self.output_names) for i, output_name in enumerate(self.output_names): idx = self.engine.get_binding_index(output_name) # 通过binding_name找到对应的input_id dtype = torch_dtype_from_trt(self.engine.get_binding_dtype(idx)) # 找到对应的数据类型 shape = tuple(self.engine.get_binding_shape(idx)) # 找到对应的形状大小 device = torch_device_from_trt(self.engine.get_location(idx)) output = torch.empty(size=shape, dtype=dtype, device=device) outputs[i] = output bindings[idx] = output.data_ptr() # 绑定输出数据指针 for i, input_name in enumerate(self.input_names): idx = self.engine.get_binding_index(input_name) bindings[idx] = inputs[i].contiguous().data_ptr() self.context.execute_async_v2( bindings, torch.cuda.current_stream().cuda_stream ) # 执行推理 outputs = tuple(outputs) if len(outputs) == 1: outputs = outputs[0] return outputs # check the results of torch model and tensorrt model def check_results(torch_model, trt_model, x): with torch.no_grad(): torch_output = torch_model(x[0], x[1], x[2], x[3]) trt_output = trt_model(x) for k, v in torch_output.items(): print(k, v.shape) for i in range(len(trt_output)): print(i, trt_output[i].shape) print(f"depth: max_diff={torch.max((torch_output['depth'] - trt_output[0]) ** 2)}") print(f"photometric_confidence: max_diff={torch.max((torch_output['photometric_confidence'] - trt_output[1]) ** 2)}") # check yhe speed of torch mmodel and tensorrt model def check_speed(torch_model, trt_model, data_loader): print(f"============================== Torch Model ==============================") print(f"[Torch] >>> begin.") t1 = time.time() with torch.no_grad(): for batch_idx, sample in enumerate(data_loader): sample_cuda = tocuda(sample) x = (sample_cuda["imgs"], # (1, 3, 3, 512, 640) sample_cuda["proj_matrices"], # (1, 3, 4, 4) sample_cuda["inverse_proj_matrices"], # (1, 3, 4, 4) sample_cuda["depth_values"]) # (1, 192) torch_outputs = torch_model(x[0], x[1], x[2], x[3]) # print('Iter {}/{}'.format(batch_idx, len(TestImgLoader))) t2 = time.time() print(f"[Torch] >>> end, t={t2 - t1}") print(f"============================== TensorRT Model ==============================") print(f"[TensorRT] >>> begin.") t3 = time.time() with torch.no_grad(): for batch_idx, sample in enumerate(data_loader): sample_cuda = tocuda(sample) x = (sample_cuda["imgs"], # (1, 3, 3, 512, 640) sample_cuda["proj_matrices"], # (1, 3, 4, 4) sample_cuda["inverse_proj_matrices"], # (1, 3, 4, 4) sample_cuda["depth_values"]) # (1, 192) trt_output = trt_model(x) t4 = time.time() print(f"[TensorRT] end, t={t4 - t3}") print(f"function: check_speed finished. ") def main(): logger = trt.Logger(trt.Logger.INFO) with open("./ckpts/trt_models/model_000015-sim.trt", "rb") as f, trt.Runtime(logger) as runtime: engine = runtime.deserialize_cuda_engine(f.read()) # 输入trt本地文件，返回ICudaEngine对象 for idx in range(engine.num_bindings): # 查看输入输出的名字，类型，大小 is_input = engine.binding_is_input(idx) name = engine.get_binding_name(idx) op_type = engine.get_binding_dtype(idx) shape = engine.get_binding_shape(idx) print(f"idx: {idx}, is_input: {is_input}, binding_name: {name}, shape: {shape}, op_type: {op_type}") trt_model = TRTModule(engine=engine, input_names=["in_imgs", "in_proj_matrices", "in_inverse_proj_matrices", "in_depth_values"], output_names=["out_depth", "out_confidence"] ) torch_model = torch.load(f"./ckpts/torch_models/model_000015.pth").cuda() # create example data data_iter = iter(TestImgLoader) sample = data_iter.__next__() sample_cuda = tocuda(sample) x = (sample_cuda["imgs"], # (1, 3, 3, 512, 640) sample_cuda["proj_matrices"], # (1, 3, 4, 4) sample_cuda["inverse_proj_matrices"], # (1, 3, 4, 4) sample_cuda["depth_values"]) # (1, 192) # define input and output names # input_names = ['in_imgs', 'in_proj_matrices', 'in_inverse_proj_matrices', 'in_depth_values'] # output_names = ['out_depth', 'out_confidence'] check_results(torch_model=torch_model, trt_model=trt_model, x=x) # check_speed(torch_model=torch_model, trt_model=trt_model, data_loader=TestImgLoader) if __name__ == '__main__': main()
这部分写的较为简略，具体要根据自己的模型实现输入输出的绑定，引擎的创建。可参考如下文章实现：
- TensorRT8.2最新版入门教程(
https://zhuanlan.zhihu.com/p/467401558) - 如何使用TensorRT对训练好的PyTorch模型进行加速? 伯恩legacy(
https://zhuanlan.zhihu.com/p/88318324)
6、结束语
本文到这里就结束了，大概介绍了一下如何利用TensorRT对深度学习模型进行加速。深度学习模型加速是一个繁杂的任务，需要注意的是，本文并没有对各个内容进行详细的讲解，更多的是提供一种整体的框架、流程，并给出相应的解决指南，这一点从文中嵌入的各个链接也可以看出。希望读者可以根据这个大框架，针对自己的任务有方向的去学习相关知识，并寻找解决方案，而不是想当然的仅依靠本文解决所有问题。
