Win10环境下yolov8快速配置与测试-详细

绕灵儿

已于 2024-05-29 13:42:06 修改

阅读量963

点赞数 13

文章标签： YOLO 计算机视觉 opencv

于 2024-05-09 17:30:20 首次发布

本文链接：https://blog.csdn.net/qq_36784503/article/details/138597169

版权

0.0 说明

参考黄家驹的Win10 环境下YOLO V8部署，遇到一些问题，并解决实现，记录如下:

在这里插入图片描述

斜线字体是原博客中的创作

0.1 参考链接

https://blog.csdn.net/m0_72734364/article/details/128865904

1 Windows10下yolov8 tensorrt模型加速部署

TensorRT-Alpha基于tensorrt+cuda c++实现模型end2end的gpu加速，支持win10、linux，在2023年已经更新模型：YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, YOLOv3, YOLOX, YOLOR,pphumanseg,u2net,EfficientDet。
关注仓库《TensorRT-Alpha》：https://github.com/FeiYull/TensorRT-Alpha
Linux tensorrt yolov8保姆教程: https://blog.csdn.net/m0_72734364/article/details/128758544

我成功转换后跑起来的结果

在这里插入图片描述

我电脑的配置

GPU	1660TI
cuda driver
cuda
cudnn	cudnn8.2.1
tensorrt	8.4.2.4
Visual studio	2019社区版

所有版本最好保持完全一致，否则在onnx 转tensorrt时会出现问题。PS 有解决这个问题的大神欢迎交流

could not load cudnn_cnn_infer64_8.dll

以下是参考内容

2.1 安装VS2019

问题:官网找不到 vs2019

链接：https://pan.baidu.com/s/1h4iURKyVgp6xtWB_3LBDcA?pwd=qjhi
提取码：qjhi
–来自百度网盘超级会员V1的分享

需要Microsoft账号，如果您有别的途径下载安装也可以。
进入：https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
选择：[2019] -> [下载]
在新页面选择： Visual Studio Community 2019 (version 16.11)
下载完成之后安装过程选择如下图：
在这里插入图片描述

2.2 安装库

注：Nvidia相关网站需要注册账号。

2.2.1 安装Nvidia显卡驱动

进入： https://www.nvidia.cn/Download/index.aspx?lang=cn#
依据实际情况选择，如下图是我的选择(for RTX3070)：
选择：[搜索]->[下载] ->[双击默认安装] -> [重启系统] -> [进入cmd]，输入如下指令
在这里插入图片描述

2.2.2 安装 cuda11.2

进入: https://developer.nvidia.com/cuda-toolkit-archive
选择：CUDA Toolkit 11.2.0 (December 2020)
选择：[Windows] -> [x86_64] -> [10] -> [exe(local)] -> [Download(2.9GB)]
双击安装，重启在cmd窗口输入如下指令：

nvcc -V

CMD窗口打印如下信息表示cuda11.2安装正常
在这里插入图片描述
note:cuda11.2 不需要手动设置环境变量，如下图，环境变量都是自动设置的。

2.2.3 安装 cudnn8.2.1

进入网站：https://developer.nvidia.com/rdp/cudnn-archive
选择： Download cuDNN v8.2.1 (June 7th, 2021), for CUDA 11.x
选择： cuDNN Library for Windows (x86)
你将会下载这个压缩包: “cudnn-11.3-windows-x64-v8.2.1.32_2.zip”
解压之后，cudnn的头文件、库文件都要拷贝到cuda安装目录。
如下图，进入cudnn解压所在文件夹中include，拷贝所有头文件，粘贴到CUDA/v11.2/include中
lib、bin中的文件也拷贝到对应cuda目录中
重启系统
在这里插入图片描述

2.2.4 下载 tensorrt8.4.2.4

网站更新2023.12：https://developer.nvidia.com/nvidia-tensorrt-8x-download
把这个打勾： I Agree To the Terms of the NVIDIA TensorRT License Agreement
选择: TensorRT 8.4 GA Update 1
选择: TensorRT 8.4 GA Update 1 for Windows 10 and CUDA 11.0, 11.1, 11.2, 11.3, 11.4, 11.5, 11.6 and 11.7 ZIP Package
你将会下载这个压缩包: “TensorRT-8.4.2.4.Windows10.x86_64.cuda-11.6.cudnn8.4.zip”
解压到F:\ThirdParty，并重命名为：TensorRT-8.4.2.4
并将路径"F:\ThirdParty\TensorRT-8.4.2.4\lib"添加到环境变量，如下图：

重启系统
在这里插入图片描述

2.2.5 OpenCV4.5.5安装

** 注意：我安装的OPENCV是 4.6.0 **

进入：https://opencv.org/releases/
选择：[OpenCV – 4.5.5] -> [Windows]
下载完成之后，是一个exe的自解压格式，解压到：D:\ThirdParty
并将路径：“D:\ThirdParty\opencv4.5.5\build\bin” 和 "D:\ThirdParty\opencv4.5.5\build\x64\vc15\bin"添加到环境变量，如下图：
重启系统

在这里插入图片描述

2.3 创建属性表

一般地，Visual Studio 2019，一个库对应两个属性表文件，分别对应：vs2019的debug模式和release模式，例如：本文中OpenCV创建了这两种。而TensorRT和CUDA只需要创建一种属性表(适用以上两种模式)。

2.3.1 创建OpenCV属性表

创建opencv库debug属性表：
step1：基于VS2019随便新建一个C++空项目，如下图，项目设置为Debug、X64模式
在这里插入图片描述
step2：如下图，选择：[属性窗口] -> [右击Debug|x64] -> [添加新项目属性表]

step3：文件命名为：OpenCV4.5.5_DebugX64.props -> [添加]
编辑属性表：[如下图：双击属性表]

step4：如下图，选择：[通用属性] -> [VC++目录] -> [包含目录] -> [编辑]
在这里插入图片描述
step5：如下图，将两个OpenCV两个头文件目录拷贝进去 -> [确认]

step6：选择：[通用属性] -> [VC++目录] -> [库目录] -> [编辑] -> 将路径："D:\ThirdParty\opencv4.5.5\build\x64\vc15\lib"拷贝进去 -> [确认]
step7：选择：[通用属性] -> [链接器] -> [输入] -> [附加依赖项] -> 将文件名"opencv_world455d.lib"拷贝进去->[确认]
小结：
到这里，opencv库debug属性表制作完成，release属性表和上述流程一样，唯一区别在于，如下图，项目切换到Release x64模式，新建OpenCV4.5.5_ReleaseX64属性表，然后在step7中，将文件名修改为：“opencv_world455.lib”
在这里插入图片描述

2.3.2 创建TensorRT属性表

右击Debug|x64 or 右击Release|x64新建属性表，重命名为：TensorRT8.4.2.4_X64

# include路径
F:\ThirdParty\TensorRT-8.4.2.4\include
F:\ThirdParty\TensorRT-8.4.2.4\samples\common
# F:\ThirdParty\TensorRT-8.4.2.4\samples\common\windows # 这个路径文件不需要包含
# lib路径
F:\ThirdParty\TensorRT-8.4.2.4\lib
# lib文件名称（for release& debug）
nvinfer.lib
nvinfer_plugin.lib
nvonnxparser.lib
nvparsers.lib

依照上一节3个步骤：
step1：选择：[通用属性] -> [VC++目录] -> [包含目录] -> [编辑] -> 把上述3个include路径拷贝进去
step2：选择：[通用属性] -> [VC++目录] -> [库目录] -> [编辑] -> 把上述lib路径拷贝进去
step3：选择：[通用属性] -> [链接器] -> [输入] -> [附加依赖项] -> [编辑] -> 将上述lib文件名称拷贝进去->[确认]
最后，修改tensorrt属性表：[通用属性] -> [C/C++] -> [预处理器] -> [预处理器定义] -> 添加指令：_CRT_SECURE_NO_WARNINGS -> [确认]

2.3.3 创建CUDA属性表

CUDA属性表直接白嫖官方，在路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\visual_studio_integration\MSBuildExtensions\CUDA 11.2.props
最后，我们应该有了如下属性表文件：
在这里插入图片描述
其中，cuda 和tensorrt的属性表同时兼容release x64 和debug x64，你再新建TensorRT-Alpha中yolov8 yolov7 yolov6 等项目后，只需要把上述提前做好的属性表引入到工程就行了，当然项目还需要进行简单设置(设置NVCC，避免tensorrt的坑)，在后文提到。属性表做到了一次新建，到处使用。

3 创建工程

3.1 拉取 yolov8 c++ 源代码

https://github.com/FeiYull/TensorRT-Alpha

3.1.1把utils 这几个文件放到项目utils 文件夹下

在这里插入图片描述

3.1.2把YOLO v8下面的文件放的yoloV8下面

在这里插入图片描述

3.1.3 资源文件

在TensorRT-8.4.2.4.Windows10.x86_64.cuda-11.6.cudnn8.4\TensorRT-8.4.2.4\samples\common\logger.cpp

在这里插入图片描述

3.2 生成cuda依赖项

这一步大概是将cuda 的头文件还有库文件以及链接依赖项添到项目中。
在这里插入图片描述

没有依赖项参考

3.3 .cu 和.h文件设置NVCC编译

选中所有的.cu 文件和.h 文件右键属性选择cuda c/c++ 编译
在这里插入图片描述
如下图，yolov8项目编译成功，从下面编译信息可以看到，exe文件所在路径为：path\yolov8\x64\Release

在这里插入图片描述

不容易啊，至此大功告成

快验证一下吧

yolov8.exe  --model=yolov8n.trt --size=640  --batch_size=1  --img=bus.jpg  --show --savePath

这是我自己转的几个.trt 文件可测试
链接：https://pan.baidu.com/s/1dbcRjUa0qZaq8RT67jqBLA?pwd=cg93
提取码：cg93
在这里插入图片描述

PS

如果编译出错，请检查此处

a项目包含目录

在这里插入图片描述

b 库目录

在这里插入图片描述

c 附加依赖项

在这里插入图片描述

d 确认.h 文件和.cu 文件是 NVCC 编译的

见 3.3 .cu 和.h文件设置NVCC编译

绕灵儿

关注

13
点赞
踩
27

收藏

觉得还不错? 一键收藏
0
评论
Win10环境下yolov8快速配置与测试-详细

而TensorRT和CUDA只需要创建一种属性表(适用以上两种模式)。step6：选择：[通用属性] -> [VC++目录] -> [库目录] -> [编辑] -> 将路径："D:\ThirdParty\opencv4.5.5\build\x64\vc15\lib"拷贝进去 -> [确认]最后，修改tensorrt属性表：[通用属性] -> [C/C++] -> [预处理器] -> [预处理器定义] -> 添加指令：_CRT_SECURE_NO_WARNINGS -> [确认]
复制链接

扫一扫