
在深度学习推理部署中,我们常常需要集成多种优化工具或框架。例如,onnx runtime提供跨平台推理能力,而nvidia tensorrt则专注于nvidia gpu上的高性能推理。当尝试在同一个python脚本中同时加载并运行onnx runtime(配置为使用cuda execution provider)和tensorrt模型时,开发者可能会遇到以下cuda运行时错误:
[TRT] [E] 1: [convolutionRunner.cpp::execute::391] Error Code 1: Cask (Cask convolution execution) [TRT] [E] 1: [checkMacros.cpp::catchCudaError::272] Error Code 1: Cuda Runtime (invalid resource handle)
这些错误通常伴随着ONNX Runtime的警告,提示某些节点未分配到首选执行器,但核心问题在于Cuda Runtime (invalid resource handle)。值得注意的是,如果单独运行每个模型,或者将ONNX Runtime的Provider设置为CPUExecutionProvider,则这些错误不会出现。这表明问题根源在于CUDA资源的共享与管理。
此问题的核心在于CUDA上下文(CUDA Context)的管理。CUDA上下文是GPU上所有CUDA操作的执行环境,包括内存分配、流管理、内核启动等。每个进程或线程通常需要一个或多个CUDA上下文来执行GPU操作。
解决此问题的关键在于放弃pycuda.autoinit的自动管理,转而采用PyCUDA手动初始化和管理CUDA上下文。通过显式地创建、推送和弹出CUDA上下文,我们可以确保在TensorRT和ONNX Runtime执行GPU操作时,始终有一个有效且受控的CUDA上下文处于激活状态。
以下是修改后的代码示例,演示了如何通过手动管理CUDA上下文来解决上述问题:
import cv2
import numpy as np
import pycuda.driver as cuda
# import pycuda.autoinit # 移除此行,手动管理CUDA上下文
import tensorrt as trt
np.bool = np.bool_ # 兼容旧版Numpy
import onnx
import onnxruntime
# 假设 profiling 模块已定义,如果不需要可删除或替换
# from profiling import GlobalProfTime, ProfTimer, mode_to_str
# 1. 手动初始化CUDA驱动并创建上下文
cuda.init()
# 选择第一个GPU设备
device = cuda.Device(0)
# 为该设备创建CUDA上下文
ctx = device.make_context()
# 2. 将创建的上下文推入当前线程的CUDA上下文堆栈
ctx.push()
# 使用try...finally块确保上下文在程序结束时被正确弹出和清理
try:
# with GlobalProfTime('profile_tensorrt_10_000images') as t: # 性能分析,如果不需要可注释
# with ProfTimer('TensorRT basic image profiler') as t: # 性能分析,如果不需要可注释
# --- TensorRT 模型初始化部分 ---
TRT_ENGINE_PATH = '/app/models/buffalo_l/det_10g640x640.engine'
# 创建TensorRT运行时日志器
runtime = trt.Runtime(trt.Logger(trt.Logger.WARNING))
# 反序列化TensorRT引擎
with open(TRT_ENGINE_PATH, 'rb') as f:
engine_data = f.read()
engine = runtime.deserialize_cuda_engine(engine_data)
assert engine is not None, "Failed to deserialize TensorRT engine."
# 创建TensorRT执行上下文
context = engine.create_execution_context()
# 分配输入输出内存
inputs, outputs, bindings, stream = [], [], [], cuda.Stream()
for binding in engine:
size = trt.volume(engine.get_binding_shape(binding)) * engine.max_batch_size
dtype = trt.nptype(engine.get_binding_dtype(binding))
host_mem = cuda.pagelocked_empty(size, dtype) # 页锁定内存
device_mem = cuda.mem_alloc(host_mem.nbytes) # 设备内存
bindings.append(int(device_mem))
if engine.binding_is_input(binding):
inputs.append({'host': host_mem, 'device': device_mem, 'name': binding, 'shape': engine.get_binding_shape(binding), 'type': engine.get_binding_dtype(binding)})
else:
outputs.append({'host': host_mem, 'device': device_mem, 'name': binding, 'shape': engine.get_binding_shape(binding), 'type': engine.get_binding_dtype(binding)})
# 加载并预处理TensorRT模型输入图像
image_path = "/app/models/buffalo_l/image.png"
image = cv2.imread(image_path)
assert image is not None, f"Failed to load image from {image_path}"
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = cv2.resize(image, (640, 640))
image = image.astype(np.float32) / 255.0
input_data_trt = np.expand_dims(image.transpose(2, 0, 1), axis=0)
# --- ONNX Runtime 模型初始化部分 ---
onnx_model_path = "/app/models/buffalo_l/det_10g.onnx"
# 加载ONNX模型(可选,onnxruntime.InferenceSession会自动加载)
# onnx_model = onnx.load(onnx_model_path)
# 创建ONNX Runtime会话,并指定CUDAExecutionProvider
# 注意:ort_session的创建必须在CUDA上下文被推入后进行
ort_session = onnxruntime.InferenceSession(onnx_model_path, providers=['CUDAExecutionProvider'])
# --- TensorRT 模型推理部分 ---
print("\n--- Running TensorRT Inference ---")
for _ in range(1):
# with ProfTimer('TensorRT per call') as t: # 性能分析,如果不需要可注释
# 将输入数据从主机内存拷贝到GPU设备内存
cuda.memcpy_htod_async(inputs[0]['device'], input_data_trt.ravel(), stream)
# 执行推理
if context.execute_async(batch_size=1, bindings=bindings, stream_handle=stream.handle) == 0:
print("Error: Unable to launch TensorRT inference.")
# 将结果从GPU设备内存拷贝回主机内存
if cuda.memcpy_dtoh_async(outputs[0]['host'], outputs[0]['device'], stream) == 0:
print("Error: Unable to copy results from GPU to host.")
# 获取推理结果
result_trt = outputs[0]['host']
# 同步CUDA流
stream.synchronize()
print("Inference TensorRT Results (first 20 elements):")
print(result_trt[:20])
stream.synchronize() # 确保所有TensorRT操作完成
# --- ONNX Runtime 模型推理部分 ---
print("\n--- Running ONNX (CUDA) Inference ---")
for _ in range(1):
# with ProfTimer('ONNX(CUDA) per call') as t: # 性能分析,如果不需要可注释
# 重新加载并预处理ONNX模型输入图像(如果需要,否则可复用input_data_trt)
image_path_onnx = "/app/models/buffalo_l/image.png"
image_onnx = cv2.imread(image_path_onnx)
assert image_onnx is not None, f"Failed to load image from {image_path_onnx}"
image_onnx = cv2.cvtColor(image_onnx, cv2.COLOR_BGR2RGB)
image_onnx = cv2.resize(image_onnx, (640, 640))
image_onnx = image_onnx.astype(np.float32) / 255.0
input_data_onnx = np.expand_dims(image_onnx.transpose(2, 0, 1), axis=0)
# 获取ONNX模型的输入名称
input_name_onnx = ort_session.get_inputs()[0].name
# 运行ONNX推理
outputs_onnx = ort_session.run(None, {input_name_onnx: input_data_onnx})
print("Inference ONNX Results (first 20 elements):")
# 注意:ONNX输出的形状可能与TensorRT不同,这里仅打印前20个元素
print(f"{np.transpose(outputs_onnx[0][:20])}")
finally:
# 3. 确保上下文被弹出,无论是否发生异常
ctx.pop()
# 4. 分离并销毁上下文以释放资源
ctx.detach()
# 清理TensorRT相关资源
if 'context' in locals() and context:
context.destroy()
if 'engine' in locals() and engine:
engine.destroy()
if 'runtime' in locals() and runtime:
del runtime # runtime对象没有destroy方法,直接删除引用
# ONNX Runtime session通常在对象销毁时自动释放资源,无需显式操作
# 如果需要,也可以 del ort_session
print("\nCUDA Context and resources cleaned up.")
在同一Python程序中整合ONNX Runtime(CUDA Execution Provider)和TensorRT时,正确管理CUDA上下文是避免“invalid resource handle”等资源冲突的关键。通过移除pycuda.autoinit并采用手动pycuda.driver初始化和上下文堆栈管理(ctx.push()和ctx.pop()),我们可以为所有CUDA依赖的库提供一个稳定且受控的执行环境,从而确保两种高性能推理引擎的顺利协同工作。理解并实施这些CUDA上下文管理原则,对于构建健壮且高效的深度学习部署系统至关重要。
以上就是解决ONNX Runtime与TensorRT共存时的CUDA资源冲突的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号