关于tensorRT动态输入的例子大多数都是c++版本的，python版本的较少，这里简单总结下python处理tensorRT动态输入时，遇到的一些问题及解决方案。
这里的动态输入是指batch，width，height等不固定大小的输入。对于目标检测等问题，如果将图像压缩到指定长度和宽度，一般会损失一些性能，一般情况下是压缩较小的边到一定数值(例如608，416等)，另一条边按照比例进行压缩，这就导致了输入可能是变长的情况。而早期的tensorrt是不支持变长输入，这一点比较令人费解，因为tensorflow，pytorch等框架是支持变长输入的，为什么tensorrt支持变长输入要这么麻烦呢？我想到的一个原因是tensorrt内部做了一些优化策略，而这些优化策略对于变长问题是较难处理的。
一、由onnx模型构建trt引擎
tensorrt6 以后的版本是支持动态输入的，需要给每个动态输入绑定一个profile，用于指定最大值，最小值和常规值，如果超出这个范围会报异常。
profile = builder.create_optimization_profile()
profile.set_shape(network.get_input(0).name, (1,3, 32, 32), (1,3, 608, 608), (1,3, 2050, 2050))
config.add_optimization_profile(profile)
另外建立engine时是通过config设置参数的，
config.max_workspace_size=1<<30 #1GB
而不是通过builder&#x
