【模型推理】TensorRT8 自定义算子 Plugin 实现方法

【模型推理】TensorRT8 自定义算子 Plugin 实现方法

  欢迎关注我的公众号 [极智视界]，回复001获取Google编程规范

  O_o   >_<   o_O   O_o   ~_~   o_O

  大家好，我是极智视界，本文介绍一下 TensorRT8 自定义算子 Plugin 实现方法。

  TensorRT8 中对于 Plugin 的开发做了较大变更，这里介绍一下。

  在 TensorRT8 中实现 plugin 需要构造两个类：custom_plugin、create_plugin，在 create_plugin 中调用 custom_plugin。下面开始。

文章目录

1、构造 custom_plugin2、构造 create_plugin3、调用

1、构造 custom_plugin

  Class custom_plugin 继承于 IPluginV2Ext or IPluginV2 or IPluginV2DynamicExt。

class ClipPlugin : public IPluginV2
{
public:
    ClipPlugin(const std::string name, float clipMin, float clipMax);
    ClipPlugin(const std::string name, const void* data, size_t length);
    // ClipPlugin 不带参是没有意义的，所以删除了默认构造.
    ClipPlugin() = delete;
    int getNbOutputs() const noexcept override;
    Dims getOutputDimensions(int index, const Dims* inputs, int nbInputDims) noexcept override;
    int initialize() noexcept override;
    void terminate() noexcept override;
    size_t getWorkspaceSize(int) const noexcept override
    {
        return 0;
    };
    int enqueue(int batchSize, const void* const* inputs, void* const* outputs, void* workspace,
        cudaStream_t stream) noexcept override;   // 通过 cuda c 实现
    size_t getSerializationSize() const noexcept override;
    void serialize(void* buffer) const noexcept override;
    void configureWithFormat(const Dims* inputDims, int nbInputs, const Dims* outputDims, int nbOutputs, DataType type,
        PluginFormat format, int maxBatchSize) noexcept override;
    bool supportsFormat(DataType type, PluginFormat format) const noexcept override;
    const char* getPluginType() const noexcept override;
    const char* getPluginVersion() const noexcept override;
 
    void destroy() noexcept override;
    nvinfer1::IPluginV2* clone() const noexcept override;   // addPluginV2时会调用，该方法会去调用构造函数
    void setPluginNamespace(const char* pluginNamespace) noexcept override;
    const char* getPluginNamespace() const noexcept override;
private:   // 算子参数
    const std::string mLayerName;
    float mClipMin, mClipMax;
    size_t mInputVolume;
    std::string mNamespace;
};

2、构造 create_plugin

class ClipPluginCreator : public IPluginCreator
{
public:
    ClipPluginCreator();
    const char* getPluginName() const noexcept override;
    const char* getPluginVersion() const noexcept override;
    const PluginFieldCollection* getFieldNames() noexcept override;
    IPluginV2* createPlugin(const char* name, const PluginFieldCollection* fc) noexcept override; //实现该方法时调用 custom_plugin
    IPluginV2* deserializePlugin(const char* name, const void* serialData, size_t serialLength) noexcept override;
    void setPluginNamespace(const char* pluginNamespace) noexcept override;
    const char* getPluginNamespace() const noexcept override;
private:
    static PluginFieldCollection mFC;
    static std::vector mPluginAttributes;
    std::string mNamespace;
};

3、调用

  官方给的方法是通过 create_plugin 去调用 custom_plugin，其本质上就是调用 custom_plugin，可以按照下面来写：

nvinfer1::IPluginV2 *clip = new ClipPlugin(scale, 512, Dtype);
nvinfer1::IPluginV2Layer *Clip = m_network->addPluginV2(&Layers[inputName], 1, *clip);

  其中 ClipPlugin 就是 custom_plugin。

  以上分享了 TensorRT8 中自定义算子 Plugin 的实现方法，希望我的分享能对你的学习有一点帮助。

 【公众号传送】

《【模型推理】TensorRT8 自定义算子 Plugin 实现方法》

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