摘要：
近日很想验证使用pytorch训练模型转tensorrt各种关系，更深理解基于C++ API接口engine加速理论(Python API接口稍微简单，将不在验证)，本文基于ResNet分类网络，收获如下：
收获一:通过C++ API，使用wts方法构建网络网络验证；
收获二:通过C++ API，使用onnx中间结构解析构建构建网络网络验证；
收获三:通过Python、torch，构建分类网络及转wts和onnx方法；
收获四:同时使用windows平台与Linux平台编译验证；
收获五：不同情况下的性能比较；
收获六:Linux编译并运行
结论如下：
结论一：同一个硬件，python转engine引擎，可使用C++ API调用引擎，然测试时间增加；
结论二:若有engine引擎，可只需简单调用反序列化和cotext等操作，无需构建网络或获得引擎的代码依赖；
结论三:onnx和wts转engine推理时间相当(仅此验证)，也或许网络过于简单而未表现准确，但肯定wts构建性能最好； 阅读全文
