TensorRT中，哪个API用于自定义模型定义

在TensorRT中，用于自定义模型定义的主要API是`nvinfer1.IBuilderConfig`和相关的`add`系列函数。`IBuilderConfig`是一个构建配置对象，它允许开发者对构建过程中的优化策略、内存分配等进行设置。

要创建一个自定义模型，你需要按照以下步骤进行：

1. **初始化BuilderConfig**：创建一个`IBuilderConfig`实例，并根据需求配置优化选项。

from tensorrt.tensorrt import IBuilderConfig

config = IBuilderConfig()

2. **添加自定义层**：如果你有自定义的计算模块（比如自定义卷积或池化），通常需要实现`IPluginV2`接口。然后，在`config`中注册这个插件。

custom_layer = MyCustomLayer() # 自定义插件对象
plugin_creator = custom_layer.get_plugin_creator()

3. **添加网络图**：使用`add`系列函数（如`add_network`、`add_input`、`add_output`等）来构造网络结构，并将自定义层添加进去。

4. **构建引擎**：最后，使用`create_network`创建网络，`build_engine`进行实际的引擎构建。

network = config.create_network()
# 添加输入和输出，以及自定义层...
engine = engine_builder.build_cuda_engine(network)

自定义模型定义的过程往往涉及到自定义插件的编写和网络图的构建，因此有一定的复杂性和技术门槛。