（1）一个engine可以创建多个context，一个engine可以有多个执行上下文，允许一组权值用于多个重叠推理任务。例如，可以使用一个引擎和一个上下文在并行CUDA流中处理图像。每个上下文将在与引擎相同的GPU上创建。

（2）engine：引擎。不能跨平台和TensorRT版本移植。若要存储，需要将引擎转化为一种格式，即序列化，若要推理，需要反序列化引擎。引擎用于保存网络定义和模型参数。在特定 config 与硬件上编译出来的计算引擎，且只能应用于特定的 config 与硬件上，支持持久化到本地以便进行发布或者节约下次使用的编译时间。engine 集成了模型结构、模型参数与最优计算 kernel 配置。同时 engine 与硬件和 TensorRT 版本强绑定，所以要求 engine 的编译与执行的硬件与 TensorRT 版本要保持一致。

（3）context：上下文。创建一些空间来存储中间值。一个engine可以创建多个context，分别执行多个推理任务。进行 inference 的实际对象，由 engine 创建，与 engine 是一对多的关系。

（4）看到官网上说
In general TensorRT objects are not thread-safe. The expected runtime concurrency model is that different threads will operate on different execution contexts. The context contains the state of the network (activation values etc) during execution, so using a context concurrently in different threads results in undefined behavior.
同时进行多个模型的并行推理，使用多个engine进行推理，是不是不安全？

在不同的线程上使用相同的execution context：错误，文档说这样导致undefined behavior
在不同的线程上使用相同engine的不同的execution context：正确
在不同的线程上使用不同的engine：正确

并行推理的做法：

就是参照（8）和（9）的做法：就是多个cuda流  并行memcpy和inference以及后处理。一个batch多张图，然后每个流负责一个batch这样。网上说是重叠了推理和memcpy的时间，

 

参考：

（1）https://www.jb51.net/article/221422.htm

（2）https://paddle-inference.readthedocs.io/en/master/api_reference/cxx_api_doc/Config/GPUConfig.html这里有多线程的写法

（3） 极智AI | 谈谈 GPU 并行推理的几个方式 - 掘金

（4）关于TensorRT和TF-TRT的一些事儿 | Bella's Blog

（5）tensorRT（一）| tensorRT如何进行推理加速？（建议收藏） - AI大道理 - 博客园 

（6）多模型并发 · Issue #5 · NVIDIA/trt-samples-for-hackathon-cn · GitHub 

（7）C/C++ TensorRT引擎多线程推理多个rtsp流并显示或保存_highoooo的博客-CSDN博客_tensorrt 多线程 

（8）极智AI | 谈谈 GPU 并行推理的几个方式 - 知乎

（9）CUDA多个流的使用_-牧野-的博客-CSDN博客_cuda多流