attributeerror: 'tensorrt.tensorrt.builder' object has no attribute 'max_workspace_size'

这个错误是因为在使用TensorRT的Builder对象时，尝试访问max_workspace_size属性，但该属性不存在。可能是因为您使用的TensorRT版本较旧，或者您的代码中有语法错误。建议检查您的代码和TensorRT版本，并尝试使用其他属性或方法来替代max_workspace_size。

相关问题

AttributeError: 'tensorrt.tensorrt.Builder' object has no attribute 'max_workspace_size'

AttributeError: 'tensorrt.tensorrt.Builder' object has no attribute 'max_workspace_size'是一个错误提示，意味着在使用tensorrt.tensorrt.Builder对象时，尝试访问了一个名为'max_workspace_size'的属性，但该属性不存在。

TensorRT是一个用于高性能深度学习推理的库，它提供了一些用于构建和优化深度学习模型的API。在TensorRT中，Builder对象用于构建和优化模型。然而，根据错误提示，'max_workspace_size'属性在Builder对象中不存在。

可能的原因是：
1. 版本不匹配：您正在使用的TensorRT版本可能与代码中使用的版本不匹配。请确保您的TensorRT版本与代码要求的版本一致。
2. 拼写错误：请检查您是否正确拼写了'max_workspace_size'属性。可能是大小写或拼写错误导致无法找到该属性。

为了解决这个问题，您可以尝试以下步骤：
1. 检查TensorRT版本：确保您正在使用与代码要求的TensorRT版本相匹配的版本。
2. 检查属性拼写：仔细检查代码中对'max_workspace_size'属性的拼写，确保没有拼写错误或大小写错误。

如果您需要进一步的帮助，请提供更多上下文信息，例如您使用的TensorRT版本、相关代码片段等。

AttributeError: 'tensorrt_bindings.tensorrt.Builder' object has no attribute 'set_calibration_profile'

I apologize for the confusion. The `set_calibration_profile()` method was introduced in TensorRT 7.0. If you are using an earlier version of TensorRT, you can set the optimization profile using the `set_shape()` method on the input tensor of the network. Here is an example:

import tensorrt as trt

# Create a builder object
builder = trt.Builder(trt.Logger(trt.Logger.INFO))

# Create a network object
network = builder.create_network()

# Add layers to the network
...

# Get the input tensor of the network
input_tensor = network.get_input(0)

# Set the input shape for the optimization profile
profile = builder.create_optimization_profile()
profile.set_shape(input_tensor.name, (1, 3, 224, 224), (8, 3, 224, 224), (4, 3, 224, 224))
builder.set_optimization_profile(profile)

# Build the engine
engine = builder.build_cuda_engine(network)

In this example, we create a network object and add layers to it. We then get the input tensor of the network using `network.get_input(0)`. We create an optimization profile using `builder.create_optimization_profile()`, and set the input shape for the profile using `profile.set_shape()`. We set the optimization profile for the builder using `builder.set_optimization_profile()`, and then build the engine using `builder.build_cuda_engine(network)`.

Note that the `set_shape()` method takes three arguments: the minimum shape, the maximum shape, and the preferred shape. You can adjust these shapes to suit your network's requirements.