要求:CUDA,CUDNN,TensorRT安装好
在yolov5环境变量的终端输出:(直接python终端也可)--橙色字为自己的文件路径
python E:\yolov5-master\yolov5-master\export.py (export.py路径) --weights E:\yolov5-master\yolov5-master\yolov5s.pt (yolov5s.pt路径) --include onnx
生成onnx文件
(E:\TensorRT\TensorRT-8.5.3.1\bin\trtexec)打开cmd终端命令:输出
(必须在自己的TensorRT的trtexec.exe文件夹下)
指令: trtexec --onnx=E:\yolov5-master\yolov5-master\yolov5s.onnx --saveEngine=E:\yolov5-master\yolov5-master\yolov5s.engine
生成engine加速文件
打开detect.py改下代码中的yolov5.pt改成yolov5.engine运行进行TensorRT加速推理