A.3.1. trtexec

示例目錄中包含一個名為trtexec的命令行包裝工具。 trtexec是一種無需開發(fā)自己的應(yīng)用程序即可快速使用 TensorRT 的工具。

trtexec工具有三個主要用途：

它對于在隨機(jī)或用戶提供的輸入數(shù)據(jù)上對網(wǎng)絡(luò)進(jìn)行基準(zhǔn)測試很有用。

它對于從模型生成序列化引擎很有用。

它對于從構(gòu)建器生成序列化時序緩存很有用。

A.3.1.1. Benchmarking Network

如果您將模型保存為 ONNX 文件、UFF 文件，或者如果您有 Caffe prototxt 格式的網(wǎng)絡(luò)描述，則可以使用trtexec工具測試使用 TensorRT 在網(wǎng)絡(luò)上運(yùn)行推理的性能。 trtexec工具有許多選項(xiàng)用于指定輸入和輸出、性能計(jì)時的迭代、允許的精度和其他選項(xiàng)。

為了最大限度地提高 GPU 利用率， trtexec會提前將一個batch放入隊(duì)列。換句話說，它執(zhí)行以下操作：

enqueue batch 0

-》 enqueue batch 1

-》 wait until batch 0 is done

-》 enqueue batch 2

-》 wait until batch 1 is done

-》 enqueue batch 3

-》 wait until batch 2 is done

-》 enqueue batch 4

-》 。..

如果使用多流（ --streams=N標(biāo)志），則trtexec在每個流上分別遵循此模式。

trtexec工具打印以下性能指標(biāo)。下圖顯示了trtexec運(yùn)行的示例 Nsight 系統(tǒng)配置文件，其中標(biāo)記顯示了每個性能指標(biāo)的含義。

Throughput

觀察到的吞吐量是通過將執(zhí)行數(shù)除以 Total Host Walltime 來計(jì)算的。如果這顯著低于 GPU 計(jì)算時間的倒數(shù)，則 GPU 可能由于主機(jī)端開銷或數(shù)據(jù)傳輸而未被充分利用。使用 CUDA 圖（使用--useCudaGraph ）或禁用 H2D/D2H 傳輸（使用--noDataTransfer ）可以提高 GPU 利用率。當(dāng)trtexec檢測到 GPU 未充分利用時，輸出日志提供了有關(guān)使用哪個標(biāo)志的指導(dǎo)。

Host Latency

H2D 延遲、GPU 計(jì)算時間和 D2H 延遲的總和。這是推斷單個執(zhí)行的延遲。

Enqueue Time

將執(zhí)行排入隊(duì)列的主機(jī)延遲，包括調(diào)用 H2D/D2H CUDA API、運(yùn)行主機(jī)端方法和啟動 CUDA 內(nèi)核。如果這比 GPU 計(jì)算時間長，則 GPU 可能未被充分利用，并且吞吐量可能由主機(jī)端開銷支配。使用 CUDA 圖（帶有--useCudaGraph ）可以減少排隊(duì)時間。

H2D Latency

單個執(zhí)行的輸入張量的主機(jī)到設(shè)備數(shù)據(jù)傳輸?shù)难舆t。添加--noDataTransfer以禁用 H2D/D2H 數(shù)據(jù)傳輸。

D2H Latency

單個執(zhí)行的輸出張量的設(shè)備到主機(jī)數(shù)據(jù)傳輸?shù)难舆t。添加--noDataTransfer以禁用 H2D/D2H 數(shù)據(jù)傳輸。

GPU Compute Time

為執(zhí)行 CUDA 內(nèi)核的 GPU 延遲。

Total Host Walltime

從第一個執(zhí)行（預(yù)熱后）入隊(duì)到最后一個執(zhí)行完成的主機(jī)時間。

Total GPU Compute Time

所有執(zhí)行的 GPU 計(jì)算時間的總和。如果這明顯短于 Total Host Walltime，則 GPU 可能由于主機(jī)端開銷或數(shù)據(jù)傳輸而未得到充分利用。

圖 1. 在 Nsight 系統(tǒng)下運(yùn)行的正常trtexec的性能指標(biāo)（ShuffleNet，BS=16，best，TitanRTX@1200MHz）

將--dumpProfile標(biāo)志添加到trtexec以顯示每層性能配置文件，這使用戶可以了解網(wǎng)絡(luò)中的哪些層在 GPU 執(zhí)行中花費(fèi)的時間最多。每層性能分析也適用于作為 CUDA 圖啟動推理（需要 CUDA 11.1 及更高版本）。此外，使用--profilingVerbosity=detailed標(biāo)志構(gòu)建引擎并添加--dumpLayerInfo標(biāo)志以顯示詳細(xì)的引擎信息，包括每層詳細(xì)信息和綁定信息。這可以讓你了解引擎中每一層對應(yīng)的操作及其參數(shù)。

A.3.1.2. Serialized Engine Generation

如果您生成保存的序列化引擎文件，您可以將其拉入另一個運(yùn)行推理的應(yīng)用程序中。例如，您可以使用TensorRT 實(shí)驗(yàn)室以完全流水線異步方式運(yùn)行具有來自多個線程的多個執(zhí)行上下文的引擎，以測試并行推理性能。有一些警告；例如，如果您使用 Caffe prototxt 文件并且未提供模型，則會生成隨機(jī)權(quán)重。此外，在 INT8 模式下，使用隨機(jī)權(quán)重，這意味著 trtexec 不提供校準(zhǔn)功能。

A.3.1.3. trtexec

如果您向--timingCacheFile選項(xiàng)提供時序緩存文件，則構(gòu)建器可以從中加載現(xiàn)有的分析數(shù)據(jù)并在層分析期間添加新的分析數(shù)據(jù)條目。計(jì)時緩存文件可以在其他構(gòu)建器實(shí)例中重用，以提高構(gòu)建器執(zhí)行時間。建議僅在相同的硬件/軟件配置（例如，CUDA/cuDNN/TensorRT 版本、設(shè)備型號和時鐘頻率）中重復(fù)使用此緩存；否則，可能會出現(xiàn)功能或性能問題。

A.3.1.4. 常用的命令行標(biāo)志

該部分列出了常用的trtexec命令行標(biāo)志。

構(gòu)建階段的標(biāo)志

--onnx=《model》 ：指定輸入 ONNX 模型。

--deploy=《caffe_prototxt》 ：指定輸入的 Caffe prototxt 模型。

--uff=《model》 ：指定輸入 UFF 模型。

--output=《tensor》 ：指定輸出張量名稱。僅當(dāng)輸入模型為 UFF 或 Caffe 格式時才需要。

--maxBatch=《BS》 ：指定構(gòu)建引擎的最大批量大小。僅當(dāng)輸入模型為 UFF 或 Caffe 格式時才需要。如果輸入模型是 ONNX 格式，請使用--minShapes 、 --optShapes 、 --maxShapes標(biāo)志來控制輸入形狀的范圍，包括批量大小。

--minShapes=《shapes》 ， --optShapes=《shapes》 ， --maxShapes=《shapes》 ：指定用于構(gòu)建引擎的輸入形狀的范圍。僅當(dāng)輸入模型為 ONNX 格式時才需要。

--workspace=《size in MB》 ：指定策略允許使用的最大工作空間大小。該標(biāo)志已被棄用。您可以改用--memPoolSize=《pool_spec》標(biāo)志。

--memPoolSize=《pool_spec》 ：指定策略允許使用的工作空間的最大大小，以及 DLA 將分配的每個可加載的內(nèi)存池的大小。

--saveEngine=《file》 ：指定保存引擎的路徑。

--fp16 、 --int8 、 --noTF32 、 --best ：指定網(wǎng)絡(luò)級精度。

--sparsity=［disable|enable|force］ ：指定是否使用支持結(jié)構(gòu)化稀疏的策略。

disable ：使用結(jié)構(gòu)化稀疏禁用所有策略。這是默認(rèn)設(shè)置。

enable ：使用結(jié)構(gòu)化稀疏啟用策略。只有當(dāng) ONNX 文件中的權(quán)重滿足結(jié)構(gòu)化稀疏性的要求時，才會使用策略。

force ：使用結(jié)構(gòu)化稀疏啟用策略，并允許 trtexec 覆蓋 ONNX 文件中的權(quán)重，以強(qiáng)制它們具有結(jié)構(gòu)化稀疏模式。請注意，不會保留準(zhǔn)確性，因此這只是為了獲得推理性能。

--timingCacheFile=《file》 ：指定要從中加載和保存的時序緩存。

--verbose ：打開詳細(xì)日志記錄。

--buildOnly ：在不運(yùn)行推理的情況下構(gòu)建并保存引擎。

--profilingVerbosity=［layer_names_only|detailed|none］ ：指定用于構(gòu)建引擎的分析詳細(xì)程度。

--dumpLayerInfo ， --exportLayerInfo=《file》 ：打印/保存引擎的層信息。

--precisionConstraints=spec ：控制精度約束設(shè)置。

none ：沒有限制。

prefer ：如果可能，滿足--layerPrecisions / --layerOutputTypes設(shè)置的精度約束。

obey：滿足由--layerPrecisions / --layerOutputTypes設(shè)置的精度約束，否則失敗。

--layerPrecisions=spec ：控制每層精度約束。僅當(dāng)PrecisionConstraints設(shè)置為服從或首選時才有效。規(guī)范是從左到右閱讀的，后面的會覆蓋前面的。 “ * ”可以用作layerName來指定所有未指定層的默認(rèn)精度。

例如： --layerPrecisions=*：fp16，layer_1:fp32將所有層的精度設(shè)置為FP16 ，除了 layer_1 將設(shè)置為 FP32。

--layerOutputTypes=spec ：控制每層輸出類型約束。僅當(dāng)PrecisionConstraints設(shè)置為服從或首選時才有效。規(guī)范是從左到右閱讀的，后面的會覆蓋前面的。 “ * ”可以用作layerName來指定所有未指定層的默認(rèn)精度。如果一個層有多個輸出，則可以為該層提供用“ + ”分隔的多種類型。

例如： --layerOutputTypes=*：fp16，layer_1:fp32+fp16將所有層輸出的精度設(shè)置為FP16 ，但 layer_1 除外，其第一個輸出將設(shè)置為 FP32，其第二個輸出將設(shè)置為 FP16。

推理階段的標(biāo)志

--loadEngine=《file》 ：從序列化計(jì)劃文件加載引擎，而不是從輸入 ONNX、UFF 或 Caffe 模型構(gòu)建引擎。

--batch=《N》 ：指定運(yùn)行推理的批次大小。僅當(dāng)輸入模型為 UFF 或 Caffe 格式時才需要。如果輸入模型是 ONNX 格式，或者引擎是使用顯式批量維度構(gòu)建的，請改用--shapes 。

--shapes=《shapes》 ：指定要運(yùn)行推理的輸入形狀。

--warmUp=《duration in ms》 ， --duration=《duration in seconds》 ， --iterations=《N》 ： 指定預(yù)熱運(yùn)行的最短持續(xù)時間、推理運(yùn)行的最短持續(xù)時間和推理運(yùn)行的迭代。例如，設(shè)置--warmUp=0 --duration=0 --iterations允許用戶準(zhǔn)確控制運(yùn)行推理的迭代次數(shù)。

--useCudaGraph ：將推理捕獲到 CUDA 圖并通過啟動圖來運(yùn)行推理。當(dāng)構(gòu)建的 TensorRT 引擎包含 CUDA 圖捕獲模式下不允許的操作時，可以忽略此參數(shù)。

--noDataTransfers ：關(guān)閉主機(jī)到設(shè)備和設(shè)備到主機(jī)的數(shù)據(jù)傳輸。

--streams=《N》 ：并行運(yùn)行多個流的推理。

--verbose ：打開詳細(xì)日志記錄。

--dumpProfile， --exportProfile=《file》 ：打印/保存每層性能配置文件。

關(guān)于作者

Ken He 是 NVIDIA 企業(yè)級開發(fā)者社區(qū)經(jīng)理 & 高級講師，擁有多年的 GPU 和人工智能開發(fā)經(jīng)驗(yàn)。自 2017 年加入 NVIDIA 開發(fā)者社區(qū)以來，完成過上百場培訓(xùn)，幫助上萬個開發(fā)者了解人工智能和 GPU 編程開發(fā)。在計(jì)算機(jī)視覺，高性能計(jì)算領(lǐng)域完成過多個獨(dú)立項(xiàng)目。并且，在機(jī)器人和無人機(jī)領(lǐng)域，有過豐富的研發(fā)經(jīng)驗(yàn)。對于圖像識別，目標(biāo)的檢測與跟蹤完成過多種解決方案。曾經(jīng)參與 GPU 版氣象模式GRAPES，是其主要研發(fā)者。

審核編輯：郭婷