项目链接：https://github.com/NVIDIA/TensorRT
本次开源的内容是英伟达 TensorRT 的一部分，其中包括 TensorRT 的插件与一些解析器（Caffe 和 ONNX），以及演示 TensorRT 平台的使用和功能的示例应用程序。相信未来更多的内容也会持续开源。
TensorRT 是一个高性能深度学习推理平台，能够为在英伟达 GPU 上运行的语音、视频等 APP 提供更低地延迟、更高的吞吐量。TensorRT 包含输入模型的解析器、支持全新 ops 的插件以及在利用优化进行推理之前的层。
今日，英伟达宣布开源 TensorRT 中的解析器和插件部分，以便于深度学习社区能够做自定义、扩展组件，从而更好的利用 TensorRT 进行 app 优化。
TensorRT 的 GitHub 项目目前已经开放了，其包括贡献指南，它会告诉我们如何参与这一优秀工具的完善。英伟达表示他们将在新版本发布时，合并且发布最新的代码。
例如你可以贡献：
针对 ONNX 格式和 Caffe 扩展解析器，用全新 ops 把模型输入到 TensorRT插件程序让你能够在 TensorRT 中运行自定义 ops。使用开源的插件作为参考，或者建立全新的插件从而支持新的层（layers）示例只是提供了一个起点，用户也可以贡献全新工作流和管道的示例。英伟达的目标在于为社区提供更多的特性，并同时更方便地利于开发者对社区做出贡献。英伟达开发者博客介绍了如何开始使用 TensorRT，读者们也能从 TensorRT 的产品页面或这次新构建的 GitHub 项目获取它。
官方教程：如何使用 TensorRT 加速深度学习推断
地址：https://devblogs.nvidia.com/speed-up-inference-tensorrt/
最后，GitHub 项目中对于如何安装 TensorRT 开源软件及构建环境都有非常详细的描述，感兴趣的读者快来试试吧。
免责声明：本文由作者原创。文章内容系作者个人观点，转载目的在于传递更多信息，并不代表EETOP赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请及时联系我们，我们将在第一时间删除！
