知识点 目标：本小节学习如何从源码编译onnx解析器 -文件结构： nvonnxparser已经被nvidia给开源了，可以使用官方自带的解析器，也可以使用源代码进行编译 详情 为了使用onnx导出网络有两种方式 方法1： 我们使用自带的解析器，已经是动态库了, trtpy 也提供了放在特定地址下 例：/datav/software/anaconda3/lib/python3.9/site-packages/trtpy/trt8cuda112cudnn8/lib64/libnvonnxparser.so 方法2：要么我们直接使用源代码来编译 源代码下载地址：https://github.com/onnx/onnx-tensorrt/tree/release/8.0 参考figure/structure.png 有助于理解本项目与上一个项目的差异 onnx-ml.proto 来源 onnx-operators-ml.proto 来源 如果需要在其他地方使用解析器，请把onnx下的pb文件，使用protoc进行编译后得到头文件，替换src/onnx下的文件 onnx本质上是一个protobuf序列化后储存的文件，因此他依赖了protobuf做反序列化解析 使用源代码进行编译的好处是，可以对其进行定制化，例如插件部分的时候，或者不支持的新算子的时候 1.4 与 1.5 的在main.cpp中的唯一区别是： 1.4 指定的是自带的解析器 1.5 是从源码编译解析器 执行方式 生成onnx文件 python gen-onnx.py 要求安装有pytorch 产生的文件会储存在workspace下 产生的demo.onnx可以使用netron进行打开查看 执行编译trt模型 make run 编译proto bash onnx/make_pb.sh执行编译，它会自动复制文件到src/onnx下
