极智AI | 讲解 TensorRT Constant 算子

Posted 2022-06-28 极智视界

  欢迎关注我的公众号 [极智视界]，获取我的更多笔记分享

  大家好，我是极智视界，本文讲解一下 TensorRT Constant 算子。

  Constant 算子是指常量层，这个算子一般是什么时候使用呢：一般当下一个算子是两矩阵乘 或 两矩阵点乘 或 两矩阵拼接等这类两头输入的算子，而某一个矩阵需要离线读取时，就需要用到 Constant 算子来构建这个离线读取的张量。以上介绍了 Constant 算子一个使用场景，下面介绍 TensorRT 中 Constant 算子的具体怎么来添加。

  在 TensorRT 中如何构建一个 Constant 算子呢，来看：

# 通过 add_constant 添加 constant 算子
constantLayer = network.add_constant([1], np.array([1], dtype=np.float32))

# 重设常量数据
constantLayer.weights = data 

# 重设常量形状
constantLayer.shape = data.shape

  来看一个实际的例子：

import numpy as np
from cuda import cudart
import tensorrt as trt

# 输入张量 NCHW
nIn, cIn, hIn, wIn = 1, 3, 4, 5  # 输入张量 NCHW

# 输入数据
data = np.arange(nIn * cIn * hIn * wIn, dtype=np.float32).reshape(nIn, cIn, hIn, wIn) 

np.set_printoptions(precision=8, linewidth=200, suppress=True)
cudart.cudaDeviceSynchronize()

logger = trt.Logger(trt.Logger.ERROR)
builder = trt.Builder(logger)
network = builder.create_network(1 << int(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH))
config = builder.create_builder_config()
#---------------------------------------------------------- --------------------# 替换部分
# 添加 constant 算子
constantLayer = network.add_constant(data.shape, data)
#---------------------------------------------------------- --------------------# 替换部分
network.mark_output(constantLayer.get_output(0))

engineString = builder.build_serialized_network(network, config)
engine = trt.Runtime(logger).deserialize_cuda_engine(engineString)
context = engine.create_execution_context()
_, stream = cudart.cudaStreamCreate()

outputH0 = np.empty(context.get_binding_shape(0), dtype=trt.nptype(engine.get_binding_dtype(0)))
_, outputD0 = cudart.cudaMallocAsync(outputH0.nbytes, stream)

context.execute_async_v2([int(outputD0)], stream)
cudart.cudaMemcpyAsync(outputH0.ctypes.data, outputD0, outputH0.nbytes, cudart.cudaMemcpyKind.cudaMemcpyDeviceToHost, stream)
cudart.cudaStreamSynchronize(stream)

print("outputH0:", outputH0.shape)
print(outputH0)

cudart.cudaStreamDestroy(stream)
cudart.cudaFree(outputD0)

• 输出张量形状 (1,3,4,5)
  $$\left[\begin{array}{c}\left[\begin{array}{c}\left[\begin{array}{ccccc}0.& 1.& 2.& 3.& 4.\\ 5.& 6.& 7.& 8.& 9.\\ 10.& 11.& 12.& 13.& 14.\\ 15.& 16.& 17.& 18.& 19.\end{array}\right]\left[\begin{array}{ccccc}20.& 21.& 22.& 23.& 24.\\ 25.& 26.& 27.& 28.& 29.\\ 30.& 31.& 32.& 33.& 34.\\ 35.& 36.& 37.& 38.& 39.\end{array}\right]\left[\begin{array}{ccccc}40.& 41.& 42.& 43.& 44.\\ 45.& 46.& 47.& 48.& 49.\\ 50.& 51.& 52.& 53.& 54.\\ 55.& 56.& 57.& 58.& 59.\end{array}\right]\end{array}\right]\end{array}\right]$$

  好了，以上分享了 讲解 TensorRT Constant 算子，希望我的分享能对你的学习有一点帮助。

 【公众号传送】

《极智AI | 讲解 TensorRT Constant 算子》

扫描下方二维码即可关注我的微信公众号【极智视界】，获取我的更多经验分享，让我们用极致+极客的心态来迎接AI ！