本文主要是介绍【python】yolo目标检测模型转为onnx,及trt/engine模型的tensorrt轻量级模型部署,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
代码参考:
Tianxiaomo/pytorch-YOLOv4: PyTorch ,ONNX and TensorRT implementation of YOLOv4 (github.com)https://github.com/Tianxiaomo/pytorch-YOLOv4这个大佬对于各种模型转化写的很全,然后我根据自己的需求修改了部分源码,稍微简化了一些效率,同时结合视频流,做了个基于视频检测的模型优化和部署,个人版本code晚点会上传共享。
在darknet的.cfg和.weight转为onnx,onnx转trt的过程中踩了不少的坑。这里把心路和避坑点给大家分享一下。
教程参考:
转权重格式darknet转onnx转tensorrt-CSDN博客https://blog.csdn.net/skyli114/article/details/123624392
(待填坑。。。)
onnx转trt报错时候的问题参考(真的很奇葩,单独把tensorrt的lib,include和bin加入环境变量也不行,只能是把这些同名文件复制到cuda下的同名路径。。。要不真的会各种报错- -):
当tensorRT加速项目遇到找不到‘nvinfer.dll’_filenotfounderror: could not find: nvinfer.dll. is-CSDN博客https://blog.csdn.net/lao_5/article/details/125287369转为trt格式后的推理预测:
这篇关于【python】yolo目标检测模型转为onnx,及trt/engine模型的tensorrt轻量级模型部署的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!