tensorflow - 如何将 TRT 优化模型转换为已保存模型？

Question

我想将 TRT 优化的冻结模型转换为 tensorflow 服务的保存模型。有什么建议或资源可以分享吗？

或者还有其他方法可以在 tensorflow 服务中部署 TRT 优化模型吗？

谢谢。

标签： tensorflowmodeltensorrt

Answer 1

假设您有一个 TRT 优化模型（即模型已经在 UFF 中表示），您可以简单地按照此处概述的步骤操作：https ://docs.nvidia.com/deeplearning/sdk/tensorrt-developer-guide/index.html #python_topics。请特别注意第 3.3 节和第 3.4 节，因为在这些节中，您实际上构建了 TRT 引擎，然后将其保存到文件中以备后用。从那时起，您可以重新使用序列化引擎（又名 PLAN 文件）进行推理。

基本上，工作流程如下所示：

1. 在 TensorFlow 中构建/训练模型。
2. 冻结模型（你得到一个 protobuf 表示）。
3. 将模型转换为 UFF，以便 TensorRT 可以理解它。
4. 使用 UFF 表示来构建 TensorRT 引擎。
5. 序列化引擎并将其保存到 PLAN 文件中。

一旦完成了这些步骤（并且您应该在我提供的链接中有足够的示例代码），您就可以加载 PLAN 文件并一遍又一遍地重复使用它来进行推理操作。

如果您仍然卡住，这里默认安装了一个很好的示例：/usr/src/tensorrt/samples/python/end_to_end_tensorflow_mnist. 您应该能够使用该示例来了解如何获取 UFF 格式。然后，您可以将其与我提供的链接中的示例代码结合起来。