AttributeError: 'tensorrt.tensorrt.ICudaEngine' object has no attribute 'get_binding_shape'

解决 TensorRT 中 ICudaEngine 对象没有 get_binding_shape 属性的 AttributeError
在处理 TensorRT 的过程中遇到 ICudaEngine 对象缺少特定属性的情况，通常是因为 API 版本差异或不正确的方法调用所致。对于 get_binding_shape 方法，在较新的版本中已经被替换为其他方式来获取绑定形状。
为了获得输入和输出张量的维度信息，可以使用如下替代方案：
使用 binding.get_binding_dimensions() 获取绑定尺寸
import tensorrt as trt

def get_binding_shapes(engine):
binding_dims = {}
for i in range(engine.num_bindings):
name = engine.get_binding_name(i)
dims = engine.get_binding_shape(i) # 替代旧版 get_binding_shape 方法
if isinstance(dims, tuple): # 处理可能返回元组的情况
dims = list(dims)

# 如果是动态形状，则设置默认批次大小或其他逻辑以确定具体形状
if -1 in dims:
context = engine.create_execution_context()
dims = context.get_binding_shape(0) # 假设第一个绑定具有动态维度

binding_dims[name] = dims

return binding_dims
登录后复制
此代码片段展示了如何遍历所有的绑定并安全地检索其对应的形状信息[^3]。
另外需要注意的是，当涉及到动态批量大小或者其他形式的动态轴时，应该通过创建执行上下文 (IExecutionContext) 来进一步查询具体的绑定尺寸，因为这些会在推理期间根据实际输入数据而变化。
创建执行上下文用于动态形状解析
context = engine.create_execution_context()

# 设置动态形状（如果适用）
input_shape = (batch_size,) + input_dims[1:]
context.set_binding_shape(0, input_shape)

output_shape = context.get_binding_shape(output_index)
登录后复制
上述方法适用于需要支持动态形状的应用场景，并确保即使是在运行时也能正确获取到所需的绑定形状信息。