【目标检测】使用TensorRT加速YOLOv5

前言

今天是程序员节，当然是以程序员的方式来度过节日。
很早就听说TensorRT可以加速模型推理，但一直没时间去进行实践，今天就来把这个陈年旧坑填补一下。

背景知识

在实践之前有必要了解一下相关知识。

TensorRT简介

TensorRT是可以在NVIDIA各种GPU硬件平台下运行的一个C++推理框架。我们利用Pytorch、TF或者其他框架训练好的模型，可以转化为TensorRT的格式，然后利用TensorRT推理引擎去运行我们这个模型，从而提升这个模型在英伟达GPU上运行的速度[1]。

TensorRT支持几乎所有主流深度学习框架，将python框架转换成C++的TensorRT，从而可以加速推理。

具体而言，TensorRT主要做了以下几点来加快推理速度[1]：

• 算子融合(层与张量融合)：简单来说就是通过融合一些计算op或者去掉一些多余op来减少数据流通次数以及显存的频繁使用来提速
• 量化：量化即IN8量化或者FP16以及TF32等不同于常规FP32精度的使用，这些精度可以显著提升模型执行速度并且不会保持原先模型的精度
• 内核自动调整：根据不同的显卡构架、SM数量、内核频率等(例如1080TI和2080TI)，选择不同的优化策略以及计算方式，寻找最合适当前构架的计算方式
• 动态张量显存：我们都知道，显存的开辟和释放是比较耗时的，通过调整一些策略可以减少模型中这些操作的次数，从而可以减少模型运行的时间
• 多流执行：使用CUDA中的stream技术，最大化实现并行操作

当然，TensorRT主要缺点是与特定GPU绑定[1]，在不同型号上转换出来的模型不能通用(这一点笔者暂未去从实践证实)

TensorRT官方在其​​仓库​​提供了三个开源工具，之后有需要可以使用。

三个工具大致用途[1]：

• ONNX GraphSurgeon
  可以修改我们导出的ONNX模型，增加或者剪掉某些节点，修改名字或者维度等等
• Polygraphy
  各种小工具的集合，例如比较ONNX和trt模型的精度，观察trt模型每层的输出等等，主要用-来debug一些模型的信息
• PyTorch-Quantization
  可以在Pytorch训练或者推理的时候加入模拟量化操作，从而提升量化模型的精度和速度，并且支持量化训练后的模型导出ONNX和TensorRT

ONNX简介

Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是微软和Facebook提出用来表示深度学习模型的开放格式，定义了一组和环境，平台均无关的标准格式，可使模型在不同框架之间进行转移[2]。

假设模型在 TensorFlow 中，但想要在TensorRT中使用，或者模型在PyTorch中，想要在TFLite中使用，就可以利用 ONNX 作为中介，进行模型转换。

典型的几个线路[3]：

• Pytorch -> ONNX -> TensorRT
• Pytorch -> ONNX -> TVM
• TF -> onnx -> ncnn
• Pytorch -> ONNX -> tensorflow

ONNX结构是将每一个网络的每一层或者每一个算子当作节点Node，再由这些Node去构建一个Graph，最后将Graph和这个onnx模型的其他信息结合在一起，生成一个model。

可以通过在线网站​​https://netron.app/​​来查看ONNX模型结构。

实践上手

下面来进行实践上手。

实验环境

这是我的电脑环境：

• 操作系统：Windows10
• 显卡：RTX2060
• CUDA版本：11.6
• Pytorch版本：1.7.1
• Python版本：3.8

查看CUDA版本

TensortRT非常依赖CUDA版本，在安装之前，需要先查看本机安装好的CUDA版本，查看方式有多种，第一种方式可以通过NVIDIA 控制面板查看；第二种方式可以通过在控制台输入​​nvcc -V​​进行查看。

安装TensorRT

首先需要到​​Nvidia官网​​去下载对应Cuda版本的TensorRT安装包。

我这里下载的是红框选中的这一个，这个版本支持CUDA11.0-11.7

下载好后，将压缩包进行解压缩，然后到Anaconda环境中，以此进入到以下几个文件夹，安装这几个whl文件

cd TensorRT-8.4.3.1\python
pip install tensorrt-8.4.3.1-cp38-none-win_amd64.whl

cd TensorRT-8.4.3.1\graphsurgeon
pip install graphsurgeon-0.4.6-py2.py3-none-any.whl

cd TensorRT-8.4.3.1\onnx_graphsurgeon
pip install onnx_graphsurgeon-0.3.12-py2.py3-none-any.whl

cd TensorRT-8.4.3.1\uff
pip install uff-0.6.9-py2.py3-none-any.whl

然后需要移动安装包里的一些文件：

• 将​​TensorRT-8.4.3.1\include​​​中头文件拷贝到​​C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include​​
• 将​​TensorRT-8.4.3.1\lib​​​中所有lib文件拷贝到​​C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib\x64​​
• 将​​TensorRT-8.4.3.1\lib​​​中所有dll文件拷贝到​​C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin​​

注：这里的v11.6根据自己的Cuda版本号即可

之后，需要手动将​​C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin​​路径添加到用户Path环境变量中

添加完之后，重启电脑，让环境变量生效。

之后进行验证：

python
import tensorrt
print(tensorrt.__version__)

在​​import​​时发生报错，

FileNotFoundError: Could not find: nvinfer.dll. Is it on your PATH?

此时只需要将缺少的文件找到，然后添加到上面的​​bin​​目录下即可，我这里是在安装的torch中lib文件下找到的部分文件，缺什么移什么即可。

如无报错，再次验证，可以输出tensorrt版本：

下面运行安装包里面的一个sample.py文件，以确保tensorrt能够正常工作。
进入到下图所示的路径，运行​​​sample.py​​，如果正常输出，则代表tensorrt安装成功。

如果提示没装pycuda，还需要再安装一下

pip install pycuda

YOLOv5使用TensorRT加速

这部分内容看到不少博客都是用Cmake编译生成yolov5的VS工程，非常繁琐麻烦，主要是这些博文写作时间较早。
而在YOLOv5 6.0版本更新后，官方新增了一个​​​export.py​​文件，支持大部分框架模型的导出，包括TensorRT。

下面我所使用的是​​YOLOv5官方​​最新的6.2版本。

下面直接导出官方提供的yolov5s模型试试，终端输入：

python export.py --weights yolov5s.pt --data data/coco128.yaml --include engine --device 0 --half

注：这里的​​--half​​表示半精度模型，使用半精度可以加快推理速度，但会损失一定精度，直接导出可以不加

初次导出，遇到如下报错

ONNX: export failure 0.4s: Exporting the operator silu to ONNX opset version 12 is not supported.

这个报错需要修改pytorch的激活函数，找到该函数位置：​​D:\anaconda\envs\pytorch\Lib\sitepackages\torch\nn\modules\activation.py​​(此处结合自己的anaconda实际安装位置来更改)

修改代码如下：

class SiLU(Module):

    __constants__ = ['inplace']
    inplace: bool
 
    def __init__(self, inplace: bool = False):
        super(SiLU, self).__init__()
        self.inplace = inplace
 
    def forward(self, input: Tensor) -> Tensor:
        # ------------------------------------- #
        # 把F.silu替换掉，修改后如下
        return input * torch.sigmoid(input)
 
        #原来的代码
        return F.silu(input, inplace=self.inplace)

再次导出，不再报错。

值得注意的是，YOLOv5并不会直接导出TensorRT模型，而是会先导出ONNX模型，然后将ONNX模型转换成TensorRT模型，因此导出完成后，会在模型位置处生成​​yolov5s.onnx​​​和​​yolov5s.engine​​​，​​yolov5s.engine​​就是可以用来直接推理的TensorRT模型。

经过实测，不添加半精度导出yolov5s模型花费时间99.5s，添加半精度之后，导出yolov5s模型花费时间404.2s。

实验结果

图片检测

首先是来检测一下图片的推理速度，首先修改detect.py，统计程序花费时间。

if __name__ == "__main__":
    begin_time = time.time()
    opt = parse_opt()
    main(opt)
    end_time = time.time()
    print("程序花费时间{}秒".format(end_time-begin_time))

然后依次使用不同模型进行推理

python detect.py --weights yolov5s.pt
python detect.py --weights yolov5s.engine
python val.py --weights yolov5s.pt
python val.py --weights yolov5s.engine

这里数据源选择的是coco128中128张图片，整体实验结果如下表所示：

从数据可以发现，使用TensorRT加速之后，模型推理速度提升了约35%，但是模型精度并没有下降太多。coco数据集128张图片，模型训练和检测都是用同一份数据，这可能会对AP产生一定影响，于是再换用Visdrone数据集在进行实验。

下面对Visdrone数据集进行实验，使用yolov5m模型，训练100个epoch.

使用​​VisDrone2019-DET-test-dev​​中的1610张图片进行验证和检测：

验证命令：

python val.py --data data/VisDrone.yaml --weights runs/train/exp3/weights/best.engine --batch-size 4 --task test

使用​​VisDrone2019-DET-test-dev​​中的

检测命令：

python detect.py --weights runs/train/exp3/half/best.engine --source D:/Desktop/Work/Dataset/VisDrone/VisDrone2019-DET-test-dev/images --data data/VisDrone.yaml

实验结果如下表所示：

由表可见，使用TensorRT加速之后，推理速度提升约了10%，同时精度只掉了0.3%，AP50基本上变化不大。

下面选一张图片来直观对比一下，左侧图为原始模型推理图，右侧图为TensorRT(半精度) 推理图，两者大致上差异不大，各有各的漏检对象。

视频检测

视频检测用了王者荣耀数据集做一个实验，比较了常规检测，tensorrt和onnx推理速度和帧率。推理所花费的时间分别为：

• 常规推理 程序花费时间20.88s
• onnx推理 程序花费时间25.68s
• tensorrt推理 程序花费时间16.03s

视频帧率如下视频所示：

YOLOv5：使用TensorRT加速效果对比

综合比较来看，tensorrt的推理速度最快，并且帧率会比原本检测帧率提升约20%左右，而用onnx模型推理，速度和帧率反而会变慢，这一点我是存在一些疑问的，看到一些博客说onnx模型对比pytorch模型速度更快，但我的实验结果并非如此，个人猜测是pytorch对模型优化已经做得比较出色，onnx模型作为一个通用标准模型，为了翻译功能，损失了部分性能。