Tensorrt YOLOV3 踩坑记录

Tensorrt YOLOV3 踩坑记录

本篇用于记录自己在测试tensorrt时踩过的一些坑,防止以后重复类似错误。
ubuntu18.04
tensorrt->7.0.0.11
cuda->10.1
cudnn->7.6
源码地址:https://github.com/wang-xinyu/tensorrtx

1.fatal error: NvInfer.h: No such file or directory

这个错误主要是CMakelist.txt中Tensorrt的地址有误导致,将:
tensorrt的路径修改为你的地址即可。

set(TENSORRT_HOME "/usr/local/TensorRT")
# tensorrt
include_directories(${TENSORRT_HOME}/include)
link_directories(${TENSORRT_HOME}/lib)

2.opencv2/dnn/dnn.hpp can not find

这个问题困扰了很久,当时使用的opencv版本为4.0,已经支持DNN库了,但源文件中找不到dnn相关的内容,应该是opencv安装时就出现的问题。最后的办法就是,只能重装opencv…
将版本切换为opencv4.1,具体重装步骤参考博客:在ubuntu下安装opencv4.1.0详细步骤

3.Parameter check failed at: …/builder/Network.cpp

导致这个的原因是与训练模型与网络结构不匹配,重新生成对应的预训练模型即可。

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
你好!关于TensorRT和YoloV5,TensorRT是NVIDIA的一个深度学习推理引擎,可以优化和加速深度学习模型的推理过程。而YoloV5是一种基于深度学习的目标检测算法,它是最新版本的YOLO(You Only Look Once)系列算法之一,具有更高的精度和更快的推理速度。 如果你想在TensorRT中使用YoloV5,可以按照以下步骤进行: 1. 安装和配置TensorRT:首先,确保你的系统满足TensorRT的要求,并按照NVIDIA官方文档进行安装和配置。 2. 下载YoloV5模型:从YoloV5的官方GitHub存储库中下载适用于TensorRT的预训练模型。你可以选择不同的模型大小(如small、medium、large、xlarge),根据你的需求选择合适的模型。 3. 将模型转换为TensorRT引擎:使用TensorRT提供的工具和API,将下载的YoloV5模型转换为TensorRT可识别的格式。这通常涉及到加载模型、构建推理引擎,并将其保存为可执行文件。 4. 执行目标检测:使用生成的TensorRT引擎对图像或视频进行目标检测。你可以通过将输入数据传递给引擎并获取输出来实现这一点。根据需要,你可以根据检测结果进行后处理和可视化。 请注意,以上步骤只是一个大致的指引,具体的实现细节可能因你使用的TensorRT版本、YoloV5模型的配置以及你的应用需求而有所不同。你可能需要参考TensorRT和YoloV5的官方文档以获取更详细的信息。 希望这些信息对你有所帮助!如有任何疑问,请随时提问。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值