PyTorch转ONNX再转TensorRT，Dynamic shape一直报错，有踩坑的大佬吗？

ROIAlign和NMS在TensorRT里确实得靠plugin，TRT 8.6自带的内置版本对dynamic shape支持挺挑的，尤其NMS那块的输出维度跟batch绑得死，动态batch基本跑不通，得换EfficientNMS_TRT或者自己写plugin。opset版本也有坑，检测模型里如果有grid_sample之类的，建议至少用opset 16，不然onnx-tensorrt解析的时候会退化或者直接报shape infer失败。你那个Invalid shape大概率不是min/opt/max没设对，而是某个op在dynamic axes下推不出维度，可以用polygraphy跑一遍shape inference看看卡在哪一层。torch2trt对动态shape支持其实一般，它更擅长静态转换，动态batch还是走onnx-tensorrt或者trtexec更稳。建议先把dynamic axes只开batch维，H/W先固定死跑通，再逐步放开，不然多个动态维一起上很容易在某个op炸掉。

ROIAlign和NMS在TensorRT里确实得走plugin，onnx-tensorrt对这两类op支持很有限，动态shape下更容易出问题。维度顺序那块建议把ONNX的输入输出shape打印出来逐个核对，尤其检测模型经常有NCHW和NHWC混着的情况。opset建议锁在11或13，太高版本TensorRT 8.6解析会抽风。动态batch可以先固定batch=1跑通再开dynamic，能排除不少干扰项。