qq_40856253的博客

onnx模型推理

1 linux设置环境变量。

找到对应版本的cudnn之后，在https://developer.nvidia.com/rdp/cudnn-archive。在深度学习模型部署时，我们需要根据tensorRT的版本，调整cudnn的版本。下载对应版本的cudnn即可。

输入分割结果import cv2。

1、首先我们遇到的问题是：在1650显卡上显卡上使用tensorRT8.6 生成的engine，在tensorRT8.6 和cuda11.3 版本上进行部署。本地测试时无异常，但是在显卡型号为P4000的服务器上进行部署时，出现程序奔溃的问题。此问题的核心原因在于engine文件是在1650显卡上生成的，而1650显卡的算力为7.5。P4000显卡的算力为6.1，所以当编好的dll在P4000服务器上测试时，出现了奔溃。#不同版本tensorRT 不同显卡型号 不同cuda 在部署中遇到的问题。

onnx 转为engine

1、将服务器上面保存的tfevents文件保存到本地。2、命令行激活虚拟环境（安装tensorboard）4、命令行执行tensorboard 指令。3、进入目标文件路径。

在图像预处理/图片处理的过程中，会带有把uint8图像转换成float64类型的警告提示：Lossy conversion from float64 to uint8. Range [0, 1]. Convert image to uint8 prior to saving to suppress this warning.出现提醒的原因就是数据类型有问题。

链接器 常规项 中的附加库目录，指的是要加载的lib的路径，在这里定义了lib的路径的话，在“输入”项中的附加依赖项中只需要输入lib的名称即可。但是如果在附加库目录中没有定义lib的路径，那么，在附加依赖项中就需要指定lib的绝对路径+name.lib。需要注意，C++属性页中C/C++ 常规 项中的附加包含目录一般导入的是头文件的目录。

Auto Dl 中 visdom的使用

python中plot的使用