根本原因在于pytorch导出onnx时未正确声明dynamic_axes，或onnx opset版本不匹配、trt profile未覆盖实际输入shape，导致动态维度信息断链。
根本原因不是TensorRT不支持动态形状，而是PyTorch导出ONNX时没把“哪些维度会变”说清楚，或者ONNX本身没把该信息正确编码进去。
dynamic_axes参数漏设或写错
这是最常见、最隐蔽的失效点。TensorRT依赖ONNX文件中显式标注的dynamic_axes来识别可变维度，一旦缺失或命名不一致，它就当成静态shape处理。
-
dynamic_axes必须同时声明输入和输出的对应维度，例如{"input": {0: "batch_size"}, "output": {0: "batch_size"}}，只写输入不写输出会导致TRT构建成功但推理报错 - 维度名称（如
"batch_size"）只是占位符，但必须在所有相关节点保持一致；若某中间节点用"N"、输出却用"batch"，ONNX Parser可能无法连通动态链 - 不要写
{0: "0"}或{0: "dim0"}这类无意义字符串，TRT解析器会忽略——必须是语义明确的名称
ONNX opset_version与算子行为不匹配
不同opset版本对同一PyTorch算子的ONNX映射方式不同，尤其涉及shape推导的算子（如torch.nn.functional.interpolate、view、expand），低版本可能丢失动态信息。
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
- PyTorch 2.0+建议用
opset_version=17；若用11，Resize算子默认走scales路径，而TRT 8.6之前只支持sizes路径，导致shape无法传播 - 某些自定义或复合操作（如带条件分支的
if逻辑）在opset_version下会被转成ATen算子，TRT直接拒绝加载 - 遇到
Unsupported ONNX opset错误时，不要盲目降级——先查当前TensorRT版本支持的opset范围（官方文档有明确表格）
输入张量实际shape与引擎profile不匹配
TensorRT引擎在构建时需要一组shape profile（min/opt/max），运行时若输入shape超出这个范围，context.set_input_shape()会静默失败，后续context.get_tensor_shape()返回非法值，引发axis dimensions must be equal类错误。
- 常见误操作：用
torch.randn(1, 3, 224, 224)做dummy input导出ONNX，却在TRT中尝试喂入(4, 3, 480, 640)——即使ONNX标了batch_size，TRT仍需profile覆盖该尺寸 - 必须用
builder.create_optimization_profile()显式设置三元组：min_shape、opt_shape、max_shape，且opt_shape应接近典型推理尺寸（不是训练batch size） - H/W维度尽量静态；若真需动态，确保
min_shape和max_shape的宽高比一致，否则resize/concat等操作在runtime易因整除失败（如要求64倍数）
真正卡住人的地方，往往不是某个参数设错，而是多个环节的动态信息断链：PyTorch里维度可变 → ONNX里没标 → TRT当静态处理 → profile又没覆盖 → 最后报错指向完全无关的算子。验证时别只看ONNX是否导出成功，要逐层确认动态信息是否贯穿到底。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
