yolov5 + tensorRT + windows GPU C++部署

yolov5 + tensorRT + C++ windows GPU部署

• 1. 环境介绍
• • 2. 软件安装
  • • 2.1 yolov5安装：
    • 2.2 TensorRT安装：
    • 2.3 验证TensorRT安装：
    • 2.4 Cmake安装
    • 2.5 OpenCV安装
    • 2.6 TensorRTX安装
  • 3. Cmake编译TensorRTX中的yolov5
  • • 3.1 编译前准备：
    • 3.2 Cmake编译yolov5 vs工程

1. 环境介绍

yolov5在win10上的部署，yolov5原始版本为pytorch，libtorch在windows下的部署折腾了半天放弃，转而拥抱tensorRT。在此记录一下整个部署过程。
pytorch的inference环境：

• win10
• cuda10.2
• pytorch1.8
• python3.8
• cudnn7.6.5
• yolov5 v3.1
  tensorRT推理环境：
• tensorRT 7.0:
• VS2017
• OpenCV 3.4.0

2. 软件安装

安装好pytorch的gpu的环境，这部分属于python环境部署，这里不做详细介绍。
cuda和cudnn的安装 上资料很多，我就不截图了。

2.1 yolov5安装：

链接地址：yolov5 v3.1

1. 下载yolo源码

2. 安装依赖包

3. 下载训练权重文件,并并放置在weights文件夹下
   yolov5s.pt：权重下载

2.2 TensorRT安装：

4. 完成TensorRT的安装

2.3 验证TensorRT安装：

1 . 用打开

3. 配置VS中的运行环境。

3. Cmake编译TensorRTX中的yolov5

3.1 编译前准备：

1. 在目录中新建目录

2. 下载文件， 下载地址
   

   1. 修改Cmake文件
   1.1 参考github上的指南：How to Compile and Run on Windows
   1.2 删除原有的CMakeLists.txt文件（原有的），将上述地址上的Cmake文件复制命名为CMakeLists.txt
   1.3 Cmake文件如下，一共有8个地方修改，#标注出来了。

   2.10 推理图片放入，运行 ，

   2.11 检测结果，.pt转化后的模型会掉点。
   

   
   总结
   第一次写blog，写得太匆忙。不清楚的后续补充。
   [1]: https://github.com/wang-xinyu/tensorrtx
   [2]: https://github.com/ultralytics/yolov5/tree/v3.1
   [3]: https://blog.csdn.net/weixin_41552975/article/details/114398669

   文章知识点与官方知识档案匹配，可进一步学习相关知识OpenCV技能树OpenCV中的深度学习图像分类10909 人正在系统学习中

   声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！