由于TensorRT并未实现Einsum插件，而在转换GCN的过程中，网络频繁使用该op，因此，不得已手写plugin，顺便也学习了一下plugin的编写及注册方法。本仓库也旨在演示如何自定义编写的plugin。
在plugin文件内，对每个成员函数的功能都进行了简单的注释（可能会有很多不清楚的地方，建议自行百度详细了解一下）
强烈推荐这个教程实现TensorRT自定义插件(plugin)自由，按照这个教程肯定可以生成可以用的Plugin，目前网上搜到的都是直接重新编译生成新的libnvinfer_plugin.so替换官方原有的该库，然而这种方法在TensorRT-OSS版本不匹配TensorRT时就不能使用了，因此这里采用另一种更加灵活的方法：直接将EinsumPlugin编译到自己的项目工程里即可。
本仓库只实现了nctkv,kvw->nctw操作，其他结构也都类似，自行修改插件，制作适合自己版本的即可。
TensorRT8.0
TensorRT8.0相比以前版本的最大区别就是该版本的plugin必须在每个成员函数之后增加一个throw()，看Einsum.cpp程序就懂了。TensorRT7.0也可以使用，不需要修改任何代码。
如果想要使用TensorRT7，直接在einsum/CMakeLists.txt内修改TensorRT路径，并切换到einsum_common7即可
参考根目录下的CMakeLists.txt将einsum添加到自己的项目之中即可。
==记得一定要在模型解析的源文件内(如这里的onnx2trt_gcn.cpp)，使用REGISTER_TENSORRT_PLUGIN(EinsumCreator)来注册Einsum插件，这样解析时才可以找到==
测试用例使用方法
- 运行
generate_onnx.py生成测试的onnx文件 - 编译该仓库，然后运行
onnnx2trt_gcn，如果没报错就说明该einsum插件没有问题
- 从TensorRT-OSS的plugin文件内，拷贝一个官方的例程，然后直接在里面的编写就可以了，替换掉对应函数的内容即可
- 关于自定义Plugin的依赖库问题，他主要依赖
TensorRT-OSS/plugin/common和TensorRT-(版本号)/samples/common下的库，因此要将对应版本的TensorRT-OSS和TensorRT该路径下的文件全部复制到一个文件夹下(如本repo中的einsum/einsum_common*文件夹内)，然后使用cmake编译生成对应的库，并将该库链接到einsum.cpp即可
由于本仓库的示例中与EinsumPlugin的插件依赖库相同，因此采用target_link_libraries(PUBLIC)将库向上连接到示例程序onnx2trt_gcn
根目录下只会使用onnx2trt_gcn.cpp，其他的cpp文件不需要，可以删除。