Test_AI/test_tensorrt_env.py

#!/usr/bin/env python3
"""
TensorRT 环境测试脚本
测试 TensorRT 是否可以在当前环境中正常运行
"""

import sys
import os
import traceback

def test_basic_imports():
    """测试基础库导入"""
    print("=" * 50)
    print("1. 测试基础库导入...")
    
    try:
        import torch
        print(f"✅ PyTorch 版本: {torch.__version__}")
        print(f"✅ CUDA 可用: {torch.cuda.is_available()}")
        if torch.cuda.is_available():
            print(f"✅ CUDA 版本: {torch.version.cuda}")
            print(f"✅ GPU 数量: {torch.cuda.device_count()}")
            for i in range(torch.cuda.device_count()):
                print(f"   GPU {i}: {torch.cuda.get_device_name(i)}")
    except ImportError as e:
        print(f"❌ PyTorch 导入失败: {e}")
        return False
    
    try:
        import tensorrt as trt
        print(f"✅ TensorRT 版本: {trt.__version__}")
    except ImportError as e:
        print(f"❌ TensorRT 导入失败: {e}")
        print("提示: 请确保已安装 TensorRT")
        print("安装命令: pip install tensorrt")
        return False
    
    try:
        from ultralytics import YOLO
        print(f"✅ Ultralytics YOLO 可用")
    except ImportError as e:
        print(f"❌ Ultralytics 导入失败: {e}")
        return False
    
    return True

def test_tensorrt_basic():
    """测试 TensorRT 基础功能"""
    print("\n" + "=" * 50)
    print("2. 测试 TensorRT 基础功能...")
    
    try:
        import tensorrt as trt
        
        # 创建 TensorRT Logger
        logger = trt.Logger(trt.Logger.WARNING)
        print("✅ TensorRT Logger 创建成功")
        
        # 创建 Builder
        builder = trt.Builder(logger)
        print("✅ TensorRT Builder 创建成功")
        
        # 创建 Network
        network = builder.create_network(1 << int(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH))
        print("✅ TensorRT Network 创建成功")
        
        # 创建 Config
        config = builder.create_builder_config()
        print("✅ TensorRT Config 创建成功")
        
        return True
        
    except Exception as e:
        print(f"❌ TensorRT 基础功能测试失败: {e}")
        traceback.print_exc()
        return False

def test_yolo_tensorrt_export():
    """测试 YOLO 模型导出为 TensorRT"""
    print("\n" + "=" * 50)
    print("3. 测试 YOLO 模型 TensorRT 导出...")
    
    try:
        from ultralytics import YOLO
        import torch
        
        # 检查模型文件是否存在
        model_path = "C:/Users/16337/PycharmProjects/Security/yolo11n.pt"
        if not os.path.exists(model_path):
            print(f"❌ 模型文件不存在: {model_path}")
            return False
        
        print(f"✅ 找到模型文件: {model_path}")
        
        # 加载模型
        model = YOLO(model_path)
        print("✅ YOLO 模型加载成功")
        
        # 尝试导出为 TensorRT（仅测试，不实际导出）
        print("📝 准备测试 TensorRT 导出功能...")
        print("   注意: 实际导出需要较长时间，这里仅测试导出接口")
        
        # 检查导出方法是否可用
        if hasattr(model, 'export'):
            print("✅ YOLO 模型支持导出功能")
            
            # 测试导出参数（不实际执行）
            export_params = {
                'format': 'engine',  # TensorRT engine format
                'imgsz': 640,
                'device': 0 if torch.cuda.is_available() else 'cpu',
                'half': True,  # FP16
                'dynamic': False,
                'simplify': True,
                'workspace': 4,  # GB
            }
            print(f"✅ 导出参数配置完成: {export_params}")
            
            return True
        else:
            print("❌ YOLO 模型不支持导出功能")
            return False
            
    except Exception as e:
        print(f"❌ YOLO TensorRT 导出测试失败: {e}")
        traceback.print_exc()
        return False

def test_gpu_memory():
    """测试 GPU 内存"""
    print("\n" + "=" * 50)
    print("4. 测试 GPU 内存...")
    
    try:
        import torch
        
        if not torch.cuda.is_available():
            print("❌ CUDA 不可用，跳过 GPU 内存测试")
            return False
        
        device = torch.device('cuda:0')
        
        # 获取 GPU 内存信息
        total_memory = torch.cuda.get_device_properties(0).total_memory / 1024**3  # GB
        allocated_memory = torch.cuda.memory_allocated(0) / 1024**3  # GB
        cached_memory = torch.cuda.memory_reserved(0) / 1024**3  # GB
        
        print(f"✅ GPU 总内存: {total_memory:.2f} GB")
        print(f"✅ 已分配内存: {allocated_memory:.2f} GB")
        print(f"✅ 缓存内存: {cached_memory:.2f} GB")
        print(f"✅ 可用内存: {total_memory - cached_memory:.2f} GB")
        
        # 建议的最小内存要求
        min_required_memory = 4.0  # GB
        if total_memory >= min_required_memory:
            print(f"✅ GPU 内存充足 (>= {min_required_memory} GB)")
            return True
        else:
            print(f"⚠️ GPU 内存可能不足 (< {min_required_memory} GB)")
            print("   建议: 使用较小的批次大小或降低输入分辨率")
            return True
            
    except Exception as e:
        print(f"❌ GPU 内存测试失败: {e}")
        return False

def test_environment_summary():
    """环境测试总结"""
    print("\n" + "=" * 50)
    print("5. 环境测试总结")
    
    # 运行所有测试
    results = []
    results.append(("基础库导入", test_basic_imports()))
    results.append(("TensorRT 基础功能", test_tensorrt_basic()))
    results.append(("YOLO TensorRT 导出", test_yolo_tensorrt_export()))
    results.append(("GPU 内存", test_gpu_memory()))
    
    print("\n测试结果:")
    print("-" * 30)
    all_passed = True
    for test_name, passed in results:
        status = "✅ 通过" if passed else "❌ 失败"
        print(f"{test_name:<20}: {status}")
        if not passed:
            all_passed = False
    
    print("-" * 30)
    if all_passed:
        print("🎉 所有测试通过！TensorRT 环境配置正确")
        print("✅ 可以开始进行性能对比测试")
    else:
        print("⚠️ 部分测试失败，请检查环境配置")
        print("💡 建议:")
        print("   1. 确保已激活 conda yolov11 环境")
        print("   2. 安装 TensorRT: pip install tensorrt")
        print("   3. 检查 CUDA 和 GPU 驱动")
    
    return all_passed

def main():
    """主函数"""
    print("TensorRT 环境测试")
    print("=" * 50)
    print(f"Python 版本: {sys.version}")
    print(f"当前工作目录: {os.getcwd()}")
    
    # 检查是否在 conda 环境中
    conda_env = os.environ.get('CONDA_DEFAULT_ENV', 'None')
    print(f"Conda 环境: {conda_env}")
    
    if conda_env != 'yolov11':
        print("⚠️ 警告: 当前不在 yolov11 conda 环境中")
        print("   建议运行: conda activate yolov11")
    
    # 运行环境测试
    success = test_environment_summary()
    
    if success:
        print("\n🚀 下一步:")
        print("   1. 运行完整的性能对比测试")
        print("   2. 生成 TensorRT 引擎文件")
        print("   3. 对比 PyTorch vs TensorRT 性能")
    
    return success

if __name__ == "__main__":
    try:
        main()
    except KeyboardInterrupt:
        print("\n\n⏹️ 测试被用户中断")
    except Exception as e:
        print(f"\n❌ 测试过程中发生未知错误: {e}")
        traceback.print_exc()