1、TensorRT-Tensorflow深度学习模型优化视频课程-全套资料分享
https://blog.csdn.net/lqfarmer/article/details/100178743
1.2 pytorch to onnx to tensorRT
TensorRT5.1.5.0 实践 onnx-TensorRT的自定义op
onnx还需要简化simplify 去除多余的节点信息
不经过caffe 转换, 但是对于自定义层 pytorch to onnx 需要添加源代码 onnx to tensor RT 也需要对应的层
1.1 TensorRT(1)-介绍-使用-安装
https://arleyzhang.github.io/articles/7f4b25ce/
2 移动端部署ncnn
https://github.com/Tencent/ncnn
https://github.com/BUG1989/caffe-int8-convert-tools.git
pytorch 得到的模型部署步骤
如果是针对ncnn和tensorRT,那么一般的方案是将pytorch生成的.pth模型先转换成.onnx模型,然后利用onnx的万能属性往不同的框架上移植。
或者转成caffe,再进行下一步操作,都对caffe结构支持较好,都变成caffe ,再转
pytorch2caffe.py,直接转换需要完成。
mxnet2caffe.py,已经完成一次