Merge pull request PaddlePaddle#131 from NHZlX/add_trt_doc

Add trt doc

doc/fluid/user_guides/howto/inference/index.rst

@@ -9,3 +9,4 @@ PaddlePaddle Fluid 提供了 C++ API 来支持模型的部署上线
 
    build_and_install_lib_cn.rst
    native_infer.md
+   paddle_tensorrt_infer.md

doc/fluid/user_guides/howto/inference/paddle_tensorrt_infer.md

@@ -0,0 +1,132 @@
+# 使用Paddle TensorRT预测
+
+NVIDIA TensorRT 是一个高性能的深度学习预测库，可为深度学习推理应用程序提供低延迟和高吞吐量。Paddle 1.0 采用了子图的形式对TensorRT进行了初步集成，即我们可以使用该模块来提升Paddle模型的预测性能。该模块依旧在持续开发中，目前已支持的模型有：AlexNet, MobileNet, ResNet50, VGG19, ResNext, MobileNet-SSD等。在这篇文档中，我们将会对Paddle-TensorRT库的获取、使用和原理进行介绍。
+
+
+## 编译带`TensorRT`的预测库
+
+**使用Docker编译预测库**         
+
+1. 下载Paddle  
+
+	```
+	git clone /~https://github.com/PaddlePaddle/Paddle.git
+	```
+
+2. 获取docker镜像
+
+	```
+	nvidia-docker run --name paddle_trt -v $PWD/Paddle:/Paddle -it hub.baidubce.com/paddlepaddle/paddle:latest-dev /bin/bash
+	```
+
+3. 编译Paddle TensorRT       
+
+	```
+	# 在docker容器中执行以下操作
+	cd /Paddle
+	mkdir build
+	cd build
+	cmake .. \
+	      -DWITH_FLUID_ONLY=ON \
+	      -DWITH_CONTRIB=OFF \
+	      -DWITH_MKL=OFF \
+	      -DWITH_MKLDNN=OFF \
+	      -DWITH_TESTING=ON \
+	      -DCMAKE_BUILD_TYPE=Release \
+	      -DWITH_PYTHON=OFF
+
+	# 编译    
+	make -j 10
+	# 生成预测库
+	make inference_lib_dist -j
+	```
+
+## Paddle TensorRT使用
+
+[`paddle_inference_api.h`]('/~https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/inference/api/paddle_inference_api.h') 定义了使用TensorRT的所有接口。  
+
+总体上分为以下步骤：  
+1. 创建合适的配置MixedRTConfig.   
+2. 根据配合创建 `PaddlePredictor`.    
+3. 创建输入的tensor.   
+4. 获取输出的tensor，输出结果.   
+
+以下的代码展示了完整的过程：
+
+```c++
+#include "paddle_inference_api.h"
+
+using paddle::contrib::MixedRTConfig;
+namespace paddle {
+
+void RunTensorRT(int batch_size, std::string model_dirname) {
+  // 1. 创建MixedRTConfig
+  MixedRTConfig config;
+  config.model_dir = model_dirname;
+  config.use_gpu = true;  // 此处必须为true
+  config.fraction_of_gpu_memory = 0.2;  
+  config.device = 0;     // gpu id
+  // TensorRT 根据max batch size大小给op选择合适的实现，
+  // 因此max batch size大小和运行时batch的值最好相同。
+  config.max_batch_size = batch_size;
+
+  // 2. 根据config 创建predictor
+  auto predictor = CreatePaddlePredictor<MixedRTConfig>(config);
+
+  // 3. 创建输入 tensor 
+  int height = 224;
+  int width = 224;
+  float data[batch_size * 3 * height * width] = {0};
+
+  PaddleTensor tensor;
+  tensor.shape = std::vector<int>({batch_size, 3, height, width});
+  tensor.data = PaddleBuf(static_cast<void *>(data),
+                          sizeof(float) * (batch_size * 3 * height * width));
+  tensor.dtype = PaddleDType::FLOAT32;
+  std::vector<PaddleTensor> paddle_tensor_feeds(1, tensor);
+
+  // 4. 创建输出 tensor
+  std::vector<PaddleTensor> outputs;
+  // 5. 预测
+  predictor->Run(paddle_tensor_feeds, &outputs, batch_size);
+
+  const size_t num_elements = outputs.front().data.length() / sizeof(float);
+  auto *data = static_cast<float *>(outputs.front().data.data());
+  for (size_t i = 0; i < num_elements; i++) { 
+    std::cout << "output: " << data[i] << std::endl;
+  }
+}
+}  // namespace paddle
+
+int main() { 
+  // 模型下载地址 http://paddle-inference-dist.cdn.bcebos.com/tensorrt_test/mobilenet.tar.gz
+  paddle::RunTensorRT(1, “./mobilenet");
+  return 0;
+}
+```
+编译过程可以参照[这里](/~https://github.com/PaddlePaddle/Paddle/tree/develop/paddle/fluid/inference/api/demo_ci)。
+
+## 子图运行原理
+   PaddlePaddle采用子图的形式对TensorRT进行集成，当模型加载后，神经网络可以表示为由变量和运算节点组成的计算图。Paddle TensorRT实现的功能是能够对整个图进行扫描，发现图中可以使用TensorRT优化的子图，并使用TensorRT节点替换它们。在模型的推断期间，如果遇到TensorRT节点，Paddle会调用TensoRT库对该节点进行优化，其他的节点调用Paddle的原生实现。TensorRT在推断期间能够进行Op的横向和纵向融合，过滤掉冗余的Op，并对特定平台下的特定的Op选择合适的kenel等进行优化，能够加快模型的预测速度。  
+
+下图使用一个简单的模型展示了这个过程：   
+
+**原始网络**
+<p align="center">
+ <img src="https://raw.githubusercontent.com/NHZlX/FluidDoc/add_trt_doc/doc/fluid/user_guides/howto/inference/image/model_graph_original.png" width=800>
+</p>
+
+**转换的网络**
+<p align="center">
+ <img src="https://raw.githubusercontent.com/NHZlX/FluidDoc/add_trt_doc/doc/fluid/user_guides/howto/inference/image/model_graph_trt.png" width=800>
+</p>
+
+    
+   我们可以在原始模型网络中看到，绿色节点表示可以被TensorRT支持的节点，红色节点表示网络中的变量，黄色表示Paddle只能被Paddle原生实现执行的节点。那些在原始网络中的绿色节点被提取出来汇集成子图，并由一个TensorRT节点代替，成为转换网络中的`block-25` 节点。在网络运行过程中，如果遇到该节点，Paddle将调用TensorRT库来对其执行。
+
+
+
+
+
+
+