五分钟搞定VS2017+TensorRT环境搭建

下载路径：

https://developer.nvidia.com/TensorRT

首先需要下载TensorRT的ZIP格式文件到本地，然后解压缩到

D:\TensorRT-7.0.0.11

然后打开VS2017，新建一个空项目，分别配置

1. 包含目录

D:\TensorRT-7.0.0.11\include

2. 库目录

D:\TensorRT-7.0.0.11\lib

3. 链接器

myelin64_1.libnvinfer.libnvinfer_plugin.libnvonnxparser.libnvparsers.lib

4. 环境变量

D:\TensorRT-7.0.0.11\lib

然后在系统的环境变量中添加：

重启VS即可。

2020年初，我写过的pytorch程序有个Hello Wrold的版本的模型就是mnist.onnx，我来测试一下是否可以通过TensorRT来实现对ONNX格式模型加载。重启VS2017之后在原来的空项目上然后添加一个cpp文件，把下面的代码copy到cpp文件中:

#include <fstream>
#include <iostream>
#include <sstream>

#include "NvInfer.h"
#include "NvOnnxParser.h"

using namespace nvinfer1;
using namespace nvonnxparser;

class Logger : public ILogger
{
    void log(Severity severity, const char* msg) override
    {
        // suppress info-level messages
        if (severity != Severity::kINFO)
            std::cout << msg << std::endl;
    }
} gLogger;

int main(int argc, char** argv) {
    std::string onnx_filename = "D:/python/pytorch_tutorial/cnn_mnist.onnx";
    IBuilder* builder = createInferBuilder(gLogger);
    nvinfer1::INetworkDefinition* network = builder->createNetworkV2(1U << static_cast<uint32_t>(NetworkDefinitionCreationFlag::kEXPLICIT_BATCH));
    auto parser = nvonnxparser::createParser(*network, gLogger);
    parser->parseFromFile(onnx_filename.c_str(), 2);
    for (int i = 0; i < parser->getNbErrors(); ++i)
    {
        std::cout << parser->getError(i)->desc() << std::endl;
    }
    printf("tensorRT load onnx mnist model...\n");
    return 0;
}

编译运行直接运行输出：

恭喜你！TensorRT在Windows10下开发环境配置成功了！绝对在5分钟内搞定，前提是先预装好前面说的那些依赖软件与相关的库！

还不清楚，看B站视频：

https://www.bilibili.com/video/BV1Bf4y167Ty