YOLOV8部署在jetson中--onnx转换为.engine文件

须知：该系列默认是在烧录好nvidia官方系统的jetson板子上操作的。

一、首先将我们训练好的模型导出为onnx格式的权重文件，这一步是在自己的电脑上或者服务器上进行的，如导出yolov5的onnx文件是在yolo官方代码的export.py文件进行操作的。在导出了onnx文件之后就可以将onnx文件拿到自己的板子上。

二、在jetson板子上我们可以通过netron来查看我们onnx模型的输入与输出（百度搜索netron）

其中要注意模型的输入和输出的name,在后续推理的时候会用到。我的INPUTS的name为images,OUTPUTS为output0。

三、生成.engine文件

jetson如果烧录官方的系统是自带tensorrt的，所以不需要我们去安装。具体位置在

我们进入到bin文件中，在bin文件中打开终端：

传入了四个参数：onnx位置、生成.engine文件位置、workspace、fp16量化。

其中fp16是对模型参数进行了量化加速，从fp32->fp16，也可以尝试进行int8量化，但最后预测的精度会降低。

运行后大概要等待五分钟，最后输出PASSED就代表通过了。