NVIDIA TensorRT 支持多種類型的層，其功能不斷擴(kuò)展；但是，在某些情況下，支持的層不能滿足模型的特定需求。

您可以通過實(shí)現(xiàn)自定義層（通常稱為插件）來擴(kuò)展 TensorRT。

9.1. Adding Custom Layers Using The C++ API

您可以通過從 TensorRT 的插件基類之一派生來實(shí)現(xiàn)自定義層。Table 3. Base classes, ordered from least expressive to most expressive

為了在網(wǎng)絡(luò)中使用插件，您必須首先將其注冊到 TensorRT 的PluginRegistry （ C++ 、 Python ）。不是直接注冊插件，而是為插件注冊一個(gè)工廠類的實(shí)例，派生自PluginCreator （ C++ ， Python ）。插件創(chuàng)建者類還提供有關(guān)插件的其他信息：它的名稱、版本和插件字段參數(shù)。

您必須從插件的基類之一派生插件類。在支持具有不同類型/格式的輸入/輸出或具有動(dòng)態(tài)形狀的網(wǎng)絡(luò)方面，它們具有不同的表達(dá)能力。下表總結(jié)了基類，按從最不具表現(xiàn)力到最具表現(xiàn)力的順序排列。

注意：如果插件用于一般用途，請?zhí)峁?FP32 實(shí)現(xiàn)，以使其能夠在任何網(wǎng)絡(luò)上正常運(yùn)行。

TensorRT 提供了一個(gè)宏REGISTER_TENSORRT_PLUGIN ，它將插件創(chuàng)建者靜態(tài)注冊到注冊表中。

TensorRT 庫包含可以加載到您的應(yīng)用程序中的插件。有關(guān)開源插件的列表，請參閱GitHub：TensorRT 插件。

注意：

要在應(yīng)用程序中使用 TensorRT 插件，必須加載libnvinfer_plugin.so庫，并且必須通過在應(yīng)用程序代碼中調(diào)用initLibNvInferPlugins來注冊所有插件。

如果您有自己的插件庫，則可以包含一個(gè)類似的入口點(diǎn)，以便在唯一命名空間下的注冊表中注冊所有插件。這確保了在構(gòu)建期間跨不同插件庫的插件名稱沒有沖突。

有關(guān)這些插件的更多信息，請參閱NvInferPlugin.h文件以供參考。

調(diào)用IPluginCreator：：createPlugin（）返回IPluginV2類型的插件對象。您可以使用addPluginV2（）將插件添加到 TensorRT 網(wǎng)絡(luò)，該插件使用給定插件創(chuàng)建網(wǎng)絡(luò)層。

例如，您可以將插件層添加到您的網(wǎng)絡(luò)，如下所示：

// Look up the plugin in the registry

auto creator = getPluginRegistry（）-》getPluginCreator（pluginName， pluginVersion）;

const PluginFieldCollection* pluginFC = creator-》getFieldNames（）;

// Populate the fields parameters for the plugin layer

PluginFieldCollection *pluginData = parseAndFillFields（pluginFC， layerFields）;

// Create the plugin object using the layerName and the plugin meta data

IPluginV2 *pluginObj = creator-》createPlugin（layerName， pluginData）;

// Add the plugin to the TensorRT network

auto layer = network.addPluginV2（&inputs［0］， int（inputs.size（））， pluginObj）;

… （build rest of the network and serialize engine）

// Destroy the plugin object

pluginObj-》destroy（）

… （destroy network， engine， builder）

… （free allocated pluginData）

注意：

pluginData必須在傳遞給createPlugin之前在堆上分配PluginField條目。

前面描述的 createPlugin 方法在堆上創(chuàng)建一個(gè)新的插件對象并返回一個(gè)指向它的指針。如前所示，確保銷毀 pluginObj 以避免內(nèi)存泄漏。

IPluginV2類型插件的插件類型、插件版本和命名空間（如果存在） 。在反序列化期間，TensorRT 從插件注冊表中查找插件創(chuàng)建者并調(diào)用IPluginCreator：：deserializePlugin（） 。在反序列化過程中創(chuàng)建的插件對象由 TensorRT 引擎通過調(diào)用IPluginV2：：destroy（）方法在內(nèi)部銷毀。

IPluginV2類型插件的插件類型、插件版本和命名空間（如果存在）， 在反序列化期間，TensorRT 從插件注冊表中查找插件創(chuàng)建者并調(diào)用IPluginCreator：：deserializePlugin（） 。在反序列化期間創(chuàng)建的插件對象由 TensorRT 引擎通過調(diào)用IPluginV2：：destroy（）方法在內(nèi)部銷毀。

9.1.1. Example： Adding A Custom Layer With Dynamic Shape Support Using C++

要支持動(dòng)態(tài)形狀，您的插件必須從IPluginV2DynamicExt派生。

關(guān)于這個(gè)任務(wù)

BarPlugin是一個(gè)有兩個(gè)輸入和兩個(gè)輸出的插件，其中： ? 第一個(gè)輸出是第二個(gè)輸入的拷貝 ? 第二個(gè)輸出是兩個(gè)輸入的串聯(lián)，沿著第一個(gè)維度，所有類型/格式必須相同并且是線性格式

BarPlugin需要按如下方式派生：

class BarPlugin ： public IPluginV2DynamicExt

{

。..override virtual methods inherited from IPluginV2DynamicExt.

};

繼承的方法都是純虛方法，所以如果你忘記了，編譯器會(huì)提醒你。

受動(dòng)態(tài)形狀影響的四種方法是：

獲取輸出維度

支持格式組合

配置插件

隊(duì)列

getOutputDimensions的覆蓋根據(jù)輸入維度返回輸出維度的符號(hào)表達(dá)式。您可以使用傳遞給getOutputDimensions的IExprBuilder從輸入的表達(dá)式構(gòu)建表達(dá)式。在示例中，不必為案例 1 構(gòu)建新表達(dá)式，因?yàn)榈诙€(gè)輸出的維度與第一個(gè)輸入的維度相同。

DimsExprs BarPlugin：：getOutputDimensions（int outputIndex，

const DimsExprs* inputs， int nbInputs，

IExprBuilder& exprBuilder）

{

switch （outputIndex）

{

case 0：

{

// First dimension of output is sum of input

// first dimensions.

DimsExprs output（inputs［0］）;

output.d［0］ =

exprBuilder.operation（DimensionOperation：：kSUM，

inputs［0］.d［0］， inputs［1］.d［0］）;

return output;

}

case 1：

return inputs［0］;

default：

throw std：：invalid_argument（“invalid output”）;

}

supportsFormatCombination的覆蓋必須指示是否允許格式組合。接口將輸入/輸出統(tǒng)一索引為“connections”，從第一個(gè)輸入的 0 開始，然后依次為其余輸入，然后為輸出編號(hào)。在示例中，輸入是connections 0 和 1，輸出是connections 2 和 3。

TensorRT 使用supportsFormatCombination來詢問給定的格式/類型組合是否適用于連接，給定的格式/類型用于索引較少的連接。因此，覆蓋可以假設(shè)較少索引的連接已經(jīng)過審查，并專注于與索引pos的連接。

bool BarPlugin：：supportsFormatCombination（int pos， const PluginTensorDesc* inOut， int nbInputs， int nbOutputs） override

{

assert（0 《= pos && pos 《 4）;

const auto* in = inOut;

const auto* out = inOut + nbInputs;

switch （pos）

{

case 0： return in［0］.format == TensorFormat：：kLINEAR;

case 1： return in［1］.type == in［0］.type &&

in［0］.format == TensorFormat：：kLINEAR;

case 2： return out［0］.type == in［0］.type &&

out［0］.format == TensorFormat：：kLINEAR;

case 3： return out［1］.type == in［0］.type &&

out［1］.format == TensorFormat：：kLINEAR;

}

throw std：：invalid_argument（“invalid connection number”）;

}

這里的局部變量in和out允許通過輸入或輸出編號(hào)而不是連接編號(hào)檢查inOut 。

重要提示：覆蓋檢查索引小于pos的連接的格式/類型，但絕不能檢查索引大于pos的連接的格式/類型。該示例使用case 3來檢查連接 3 和連接 0，而不是使用case 0來檢查連接 0 和連接 3。

TensorRT 使用configurePlugin在運(yùn)行時(shí)設(shè)置插件。這個(gè)插件不需要configurePlugin來做任何事情，所以它是一個(gè)空操作：

void BarPlugin：：configurePlugin（

const DynamicPluginTensorDesc* in， int nbInputs，

const DynamicPluginTensorDesc* out， int nbOutputs） override

{

}

如果插件需要知道它可能遇到的最小或最大尺寸，它可以檢查字段DynamicPluginTensorDesc：：min或DynamicPluginTensorDesc：：max的任何輸入或輸出。格式和構(gòu)建時(shí)維度信息可以在DynamicPluginTensorDesc：：desc中找到。任何運(yùn)行時(shí)維度都顯示為 -1。實(shí)際維度提供給BarPlugin：：enqueue 。

最后，重寫B(tài)arPlugin：：enqueue必須完成這項(xiàng)工作。由于形狀是動(dòng)態(tài)的，因此 enqueue 會(huì)收到一個(gè)PluginTensorDesc ，它描述了每個(gè)輸入和輸出的實(shí)際尺寸、類型和格式。

9.1.2. Example： Adding A Custom Layer With INT8 I/O Support Using C++

PoolPlugin是一個(gè)插件，用于演示如何為自定義池層擴(kuò)展 INT8 I/O。推導(dǎo)如下：

class PoolPlugin ： public IPluginV2IOExt

{

。..override virtual methods inherited from IPluginV2IOExt.

};

大多數(shù)純虛方法對插件來說都是通用的。影響INT8 I/O的主要方法有：

支持格式組合

配置插件

enqueue

supportsFormatCombination的覆蓋必須指示允許哪個(gè) INT8 I/O 組合。此接口的用法類似于示例：使用 C++ 添加具有動(dòng)態(tài)形狀支持的自定義層。在本例中，支持的 I/O 張量格式為線性 CHW，數(shù)據(jù)類型為 FP32、FP16 或 INT8，但 I/O 張量必須具有相同的數(shù)據(jù)類型。

bool PoolPlugin：：supportsFormatCombination（int pos， const PluginTensorDesc* inOut， int nbInputs， int nbOutputs） const override

{

assert（nbInputs == 1 && nbOutputs == 1 && pos 《 nbInputs + nbOutputs）;

bool condition = inOut［pos］.format == TensorFormat：：kLINEAR;

condition &= （（inOut［pos］.type == DataType：：kFLOAT） ||

（inOut［pos］.type == DataType：：kHALF） ||

（inOut［pos］.type == DataType：：kINT8））;

condition &= inOut［pos］.type == inOut［0］.type;

return condition;

}

重要的：

如果 INT8 校準(zhǔn)必須與具有 INT8 I/O 插件的網(wǎng)絡(luò)一起使用，則該插件必須支持 FP32 I/O，因?yàn)樗?FP32 校準(zhǔn)圖使用。

如果不支持 FP32 I/O 變體或未使用 INT8 校準(zhǔn)，則必須明確設(shè)置所有必需的 INT8 I/O 張量尺度。

校準(zhǔn)無法確定插件內(nèi)部張量的動(dòng)態(tài)范圍。對量化數(shù)據(jù)進(jìn)行操作的插件必須為內(nèi)部張量計(jì)算自己的動(dòng)態(tài)范圍。

TensorRT 調(diào)用configurePlugin方法通過PluginTensorDesc將信息傳遞給插件，這些信息存儲(chǔ)為成員變量，序列化和反序列化。

void PoolPlugin：：configurePlugin（const PluginTensorDesc* in， int nbInput， const PluginTensorDesc* out， int nbOutput）

{

。..

mPoolingParams.mC = mInputDims.d［0］;

mPoolingParams.mH = mInputDims.d［1］;

mPoolingParams.mW = mInputDims.d［2］;

mPoolingParams.mP = mOutputDims.d［1］;

mPoolingParams.mQ = mOutputDims.d［2］;

mInHostScale = in［0］.scale 》= 0.0f ？ in［0］.scale ： -1.0f;

mOutHostScale = out［0］.scale 》= 0.0f ？ out［0］.scale ： -1.0f;

}

每個(gè)張量的 INT8 I/O 比例可以從PluginTensorDesc：：scale獲得。 最后，重寫UffPoolPluginV2：：enqueue必須完成這項(xiàng)工作。它包括一組核心算法，可在運(yùn)行時(shí)通過使用實(shí)際批量大小、輸入、輸出、cuDNN 流和配置的信息來執(zhí)行自定義層。

int PoolPlugin：：enqueue（int batchSize， const void* const* inputs， void** outputs， void* workspace， cudaStream_t stream）

{

。..

CHECK（cudnnPoolingForward（mCudnn， mPoolingDesc， &kONE， mSrcDescriptor， input， &kZERO， mDstDescriptor， output））;

。..

return 0;

}

9.2. Adding Custom Layers Using The Python API

盡管 C++ API 是實(shí)現(xiàn)自定義層的首選語言，但由于可以訪問 CUDA 和 cuDNN 等庫，您還可以在 Python 應(yīng)用程序中使用自定義層。

您可以使用 C++ API 創(chuàng)建自定義層，在 Python 中使用pybind11打包層，然后將插件加載到 Python 應(yīng)用程序中。有關(guān)更多信息，請參閱在 Python 中創(chuàng)建網(wǎng)絡(luò)定義。

相同的自定義層實(shí)現(xiàn)可用于 C++ 和 Python。

9.2.1. Example： Adding A Custom Layer To A TensorRT Network Using Python

可以使用插件節(jié)點(diǎn)將自定義層添加到 Python 中的任何 TensorRT 網(wǎng)絡(luò)。

Python API 有一個(gè)名為add_plugin_v2的函數(shù)，可讓您將插件節(jié)點(diǎn)添加到網(wǎng)絡(luò)。以下示例說明了這一點(diǎn)。它創(chuàng)建了一個(gè)簡單的TensorRT網(wǎng)絡(luò)，并通過查找TensorRT插件注冊表來添加一個(gè) Leaky ReLU 插件節(jié)點(diǎn)。

import tensorrt as trt

import numpy as np

TRT_LOGGER = trt.Logger（）

trt.init_libnvinfer_plugins（TRT_LOGGER， ‘’）

PLUGIN_CREATORS = trt.get_plugin_registry（）.plugin_creator_list

def get_trt_plugin（plugin_name）：

plugin = None

for plugin_creator in PLUGIN_CREATORS：

if plugin_creator.name == plugin_name：

lrelu_slope_field = trt.PluginField（“neg_slope”， np.array（［0.1］， dtype=np.float32）， trt.PluginFieldType.FLOAT32）

field_collection = trt.PluginFieldCollection（［lrelu_slope_field］）

plugin = plugin_creator.create_plugin（name=plugin_name， field_collection=field_collection）

return plugin

def main（）：

builder = trt.Builder（TRT_LOGGER）

network = builder.create_network（）

config = builder.create_builder_config（）

config.max_workspace_size = 2**20

input_layer = network.add_input（name=“input_layer”， dtype=trt.float32， shape=（1， 1））

lrelu = network.add_plugin_v2（inputs=［input_layer］， plugin=get_trt_plugin（“LReLU_TRT”））

lrelu.get_output（0）.name = “outputs”

network.mark_output（lrelu.get_output（0））

9.3. Using Custom Layers When Importing A Model With A Parser

ONNX 解析器會(huì)自動(dòng)嘗試將無法識(shí)別的節(jié)點(diǎn)作為插件導(dǎo)入。如果在插件注冊表中找到與節(jié)點(diǎn)具有相同op_type的插件，則解析器將節(jié)點(diǎn)的屬性作為插件字段參數(shù)轉(zhuǎn)發(fā)給插件創(chuàng)建者，以創(chuàng)建插件。默認(rèn)情況下，解析器使用“1”作為插件版本， “”作為插件命名空間。可以通過在相應(yīng)的 ONNX 節(jié)點(diǎn)中設(shè)置plugin_version或plugin_namespace字符串屬性來覆蓋此行為。

在某些情況下，您可能希望在將 ONNX 圖導(dǎo)入 TensorRT 之前對其進(jìn)行修改。例如，用插件節(jié)點(diǎn)替換一組操作。為此，您可以使用ONNX GraphSurgeon 實(shí)用程序。有關(guān)如何使用 ONNX-GraphSurgeon 替換子圖的詳細(xì)信息，請參閱此示例。

有關(guān)更多示例，請參閱onnx_packnet示例。

9.4. Plugin API Description

所有新插件都應(yīng)從IPluginCreator和使用 C++ API 添加自定義層中描述的插件基類之一派生類。此外，新插件還應(yīng)調(diào)用REGISTER_TENSORRT_PLUGIN（。..）宏以將插件注冊到 TensorRT 插件注冊表或創(chuàng)建等效于initLibNvInferPlugins（）的init函數(shù)。

9.4.1. Migrating Plugins From TensorRT 6.x Or 7.x To TensorRT 8.x.x

IPluginV2和IPluginV2Ext以分別向后兼容 TensorRT 5.1 和 6.0.x。但是，新插件應(yīng)針對IPluginV2DynamicExt或IPluginV2IOExt接口，而舊插件應(yīng)重構(gòu)以使用這些接口。

IPluginV2DynamicExt中的新特性如下：

virtual DimsExprs getOutputDimensions（int outputIndex， const DimsExprs* inputs， int nbInputs， IExprBuilder& exprBuilder） = 0;

virtual bool supportsFormatCombination（int pos， const PluginTensorDesc* inOut， int nbInputs， int nbOutputs） = 0;

virtual void configurePlugin（const DynamicPluginTensorDesc* in， int nbInputs， const DynamicPluginTensorDesc* out， int nbOutputs） = 0;

virtual size_t getWorkspaceSize（const PluginTensorDesc* inputs， int nbInputs， const PluginTensorDesc* outputs， int nbOutputs） const = 0;

virtual int enqueue（const PluginTensorDesc* inputDesc， const PluginTensorDesc* outputDesc， const void* const* inputs， void* const* outputs， void* workspace， cudaStream_t stream） = 0;

IPluginV2IOExt中的新特性如下：

virtual void configurePlugin（const PluginTensorDesc* in， int nbInput， const PluginTensorDesc* out， int nbOutput） = 0;

virtual bool supportsFormatCombination（int pos， const PluginTensorDesc* inOut， int nbInputs， int nbOutputs） const = 0;

遷移到IPluginV2DynamicExt或IPluginV2IOExt的指南：

getOutputDimensions實(shí)現(xiàn)給定輸入的輸出張量維度的表達(dá)式。

supportsFormatCombination檢查插件是否支持指定輸入/輸出的格式和數(shù)據(jù)類型。

configurePlugin模仿IPluginV2Ext中等效的configurePlugin的行為，但接受張量描述符。

getWorkspaceSize和enqueue模仿IPluginV2Ext中等效 API 的行為，但接受張量描述符。

更多詳細(xì)信息，請參閱IPluginV2 API 說明中的 API 說明。

9.4.2. IPluginV2 API Description

以下部分介紹IPluginV2類的功能。要將插件層連接到相鄰層并設(shè)置輸入和輸出數(shù)據(jù)結(jié)構(gòu)，構(gòu)建器通過調(diào)用以下插件方法檢查輸出的數(shù)量及其維度。

getNbOutputs

用于指定輸出張量的數(shù)量。

getOutputDimensions

用于將輸出的維度指定為輸入維度的函數(shù)。

supportsFormat

用于檢查插件是否支持給定的數(shù)據(jù)格式。

getOutputDataType

用于獲取給定索引處輸出的數(shù)據(jù)類型。返回的數(shù)據(jù)類型必須具有插件支持的格式。

插件層可以支持四種數(shù)據(jù)格式，例如：

NCHW單精度 （FP32）、半精度 （FP16） 和整型 （INT32） 張量

NC / 2HW2和NHWC8半精度 （FP16） 張量

格式由PluginFormatType枚舉。

除了輸入和輸出張量之外，不計(jì)算所有數(shù)據(jù)并且需要內(nèi)存空間的插件可以使用getWorkspaceSize方法指定額外的內(nèi)存需求，該方法由構(gòu)建器調(diào)用以確定和預(yù)分配暫存空間。

在構(gòu)建和推理期間，可能會(huì)多次配置和執(zhí)行插件層。在構(gòu)建時(shí)，為了發(fā)現(xiàn)最佳配置，層被配置、初始化、執(zhí)行和終止。為插件選擇最佳格式后，再次配置插件，然后在推理應(yīng)用程序的生命周期內(nèi)初始化一次并執(zhí)行多次，最后在引擎銷毀時(shí)終止。這些步驟由構(gòu)建器和引擎使用以下插件方法控制：

configurePlugin（配置插件）

傳達(dá)輸入和輸出的數(shù)量、所有輸入和輸出的維度和數(shù)據(jù)類型、所有輸入和輸出的廣播信息、選擇的插件格式和最大批量大小。此時(shí)，插件設(shè)置其內(nèi)部狀態(tài)并為給定配置選擇最合適的算法和數(shù)據(jù)結(jié)構(gòu)。

initialize（初始化）

此時(shí)配置是已知的，并且正在創(chuàng)建推理引擎，因此插件可以設(shè)置其內(nèi)部數(shù)據(jù)結(jié)構(gòu)并準(zhǔn)備執(zhí)行。

enqueue（排隊(duì)）

封裝插件的實(shí)際算法和內(nèi)核調(diào)用，并提供運(yùn)行時(shí)批處理大小、指向輸入、輸出和暫存空間的指針，以及用于內(nèi)核執(zhí)行的CUDA流。

terminate（終止）

引擎上下文被銷毀，插件持有的所有資源必須被釋放。

clone（克?。?/p>

每次創(chuàng)建包含此插件層的新構(gòu)建器、網(wǎng)絡(luò)或引擎時(shí)都會(huì)調(diào)用它。它必須返回一個(gè)帶有正確參數(shù)的新插件對象。

destroy（銷毀）

用于銷毀插件對象和/或每次創(chuàng)建新插件對象時(shí)分配的其他內(nèi)存。每當(dāng)構(gòu)建器或網(wǎng)絡(luò)或引擎被破壞時(shí)都會(huì)調(diào)用它。

“`set/getPluginNamespace`（設(shè)置/獲取插件命名空間）“

該方法用于設(shè)置該插件對象所屬的庫命名空間（默認(rèn)可以是“”）。來自同一個(gè)插件庫的所有插件對象都應(yīng)該具有相同的命名空間。

IPluginV2Ext支持可以處理廣播輸入和輸出的插件。此功能需要實(shí)現(xiàn)以下方法：

canBroadcastInputAcrossBatch

對每個(gè)輸入調(diào)用此方法，其張量在批次中進(jìn)行語義廣播。如果canBroadcastInputAcrossBatch返回true （意味著插件可以支持廣播），則 TensorRT 不會(huì)復(fù)制輸入張量。插件應(yīng)該在批處理中共享一個(gè)副本。如果它返回false ，則 TensorRT 會(huì)復(fù)制輸入張量，使其看起來像一個(gè)非廣播張量。

isOutputBroadcastAcrossBatch

這為每個(gè)輸出索引調(diào)用。該插件應(yīng)在給定索引處返回 true 輸出，并在整個(gè)批次中廣播。

IPluginV2IOExt 這由構(gòu)建器在initialize（）之前調(diào)用。它為層提供了基于 I/O PluginTensorDesc和最大批量大小進(jìn)行算法選擇的機(jī)會(huì)。

注意：基于IPluginV2的插件在引擎級別共享，而不是在執(zhí)行上下文級別共享，因此這些可能被多個(gè)線程同時(shí)使用的插件需要以線程安全的方式管理它們的資源。創(chuàng)建ExecutionContext時(shí)會(huì)克隆基于IPluginV2Ext和派生接口的插件，因此這不是必需的。

9.4.3. IPluginCreator API Description

IPluginCreator類中的以下方法用于從插件注冊表中查找和創(chuàng)建適當(dāng)?shù)牟寮?/p>

getPluginName

IPluginExt：：getPluginType的返回值。

getPluginVersion 返回插件版本。對于所有內(nèi)部 TensorRT 插件，默認(rèn)為1 。

getFieldNames 要成功創(chuàng)建插件，需要了解插件的所有字段參數(shù)。此方法返回PluginFieldCollection結(jié)構(gòu)，其中填充了PluginField條目以反映字段名稱和PluginFieldType （數(shù)據(jù)應(yīng)指向nullptr ）。

createPlugin

此方法用于使用PluginFieldCollection參數(shù)創(chuàng)建插件。應(yīng)填充PluginField條目的數(shù)據(jù)字段以指向每個(gè)插件字段條目的實(shí)際數(shù)據(jù)。

注意：傳遞給createPlugin函數(shù)的數(shù)據(jù)應(yīng)該由調(diào)用者分配，并在程序被銷毀時(shí)最終由調(diào)用者釋放。 createPlugin函數(shù)返回的插件對象的所有權(quán)被傳遞給調(diào)用者，并且也必須被銷毀。

deserializePlugin

此方法由 TensorRT 引擎根據(jù)插件名稱和版本在內(nèi)部調(diào)用。它應(yīng)該返回要用于推理的插件對象。在該函數(shù)中創(chuàng)建的插件對象在引擎被銷毀時(shí)被 TensorRT 引擎銷毀。

set/getPluginNamespace 該方法用于設(shè)置此創(chuàng)建者實(shí)例所屬的命名空間（默認(rèn)可以是“”）。

9.5. Best Practices For Custom Layers Plugin

調(diào)試自定義層問題

必須釋放插件中分配的內(nèi)存以確保沒有內(nèi)存泄漏。如果在initialize（）函數(shù)中獲取資源，則需要在terminate（）函數(shù)中釋放它們。應(yīng)該釋放所有其他內(nèi)存分配，最好在插件類析構(gòu)函數(shù)中或在destroy（）方法中。使用 C++ API 添加自定義層詳細(xì)概述了這一點(diǎn)，并提供了一些使用插件時(shí)的最佳實(shí)踐說明。

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(gè)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(gè)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(shí)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