onnx导出yolov7模型+python的TensorRT部署(windows上进行)

参考链接：

 

onnx安装与使用_光子乘羽的博客-CSDN博客

安装onnx-graphsurgeon_一位不愿暴露自己的郑某人的博客-CSDN博客

Onnx简介以及使用_整理偏见的博客-CSDN博客

YOLOv7 部署到 TensorRT（C++ ） - 知乎 (zhihu.com)

YOLOv7 Tensorrt部署教学_哔哩哔哩_bilibili

(1条消息) YOLOv7 Tensorrt Python部署教程_一笑奈何LHY的博客-CSDN博客

先安装onnx，onnx-graphsurgeon等.....这些就以上参考链接有

pip install onnx

pip install nvidia-pyindex
pip install onnx-graphsurgeon

安好了这几个

 先把需要用的下载下来，下载地址：

GitHub - Monday-Leo/YOLOv7_Tensorrt: A simple implementation of Tensorrt YOLOv7

将下载文件夹中的efficientNMS.py与export-onnx.py复制到yolov7的train.py同级目录下

 然后运行export-onnx.py文件，需要修改

 运行成功，保存onnx模型，在你需要转换的模型同级目录中

在这个网址可以可视化网络结构：Netron

导出的onnx文件是通用的，在任意设备都可以使用

TensorRT部署用python

将onnx模型转换为engine模型步骤：

将导出的onnx模型放入下载好的tensorrt的bin文件夹下

在目录处输cmd进入命令行，这里需要修改--onnx=./后面的内容，即你训练好模型的名字以及后面保存的名字

trtexec --onnx=./best.onnx --saveEngine=./yolov7-tiny-best_fp16.engine --fp16 --workspace=200

 然后运行，等待..............................时间有点长

 这样就转换好了，保存在这个文件夹中

然后回到下载的文件夹中运行infer.py，需要修改模型地址与预测图片

 注意，这里我将源代码修改了，不是显示图片二是保存图片，在infer同级目录

 结果：

 结束啦~~~~~~~