转onnx模型学习汇总及TensorRT部署

一 写在前面

   深度学习火起来已近十年，于当下的算法岗位而言，多数都在基于深度学习方式或者深度学习相关方法做研发，但算法研发发展至今，对研发人员的要求绝不会限于公开数据集的使用、开源模型的训练、网络模块的堆加等，需要具备数据分析能力，懂得进行模型错误原因分析，根据实际情况发现问题并优化算法模型等。算法研发的最终目的是提升实际生产力，算法工程师需参与算法落地的过程，明确每一版本算法模型的风险，并为后续的迭代开发做规划。在该过程中，算法最直接的输出便是可直接应用于工程化的模型。本编辑也是本着该目的，记录一下算法模型部署相关的过程。本编辑并非资深的落地工程师，但一直在与落地打交道，本编辑将bev研发过程中的模型转换做个记录。
注：本文具体涉及到的算法都是自动驾驶相关的论文，均有开源代码，可供练习。若有需要，可与我联系交流

二 学习过程

   本编辑最初对onnx和TensorRT相关的开发工作并不熟悉，也是经过大概一个月的学习时间，恶补积累，目前已经熟悉onnx相关的转换、TensorRT的配置和编辑、plugin相关的使用、