TensorRT加速推理（基于yolo5）

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