win10 yolov5 tensorRT 部署

别乱别报错

已于 2022-02-23 14:24:02 修改

阅读量3.5k

点赞数 5

分类专栏： yolov5 文章标签： pytorch 深度学习人工智能

于 2022-02-23 14:20:45 首次发布

本文链接：https://blog.csdn.net/qq_41319718/article/details/123075288

版权

yolov5 专栏收录该内容

5 篇文章 1 订阅

订阅专栏

参考：
1、Win10—YOLOv5实战+TensorRT部署+VS2019编译(小白教程~易懂易上手)—超详细]
2、YOLOV5(Pytorch)目标检测实战：TensorRT加速部署视频

硬软配置

显卡：NVIDIA GeForce GTX 1650 SUPER
CPU：i7-7920HQ CPU @ 3.10GHz 3.10GHz
内存：16
系统：X64
—————————————————————
Visual Studio 2019
OPENCV 4.5
Cmake 3.18.2
CUDA 10.2 cudnn 7.6.5
python 3.8
现配置：yolov5 5.0 torch 1.7.0 torchvision 0.8.0
测试：tensorrt-yolov5（github）

一、TensorRT

官网教程：https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html
下载安装包：https://developer.nvidia.com/tensorrt
本人使用版本：TensorRT-7.2.3.4
用于Windows 10和CUDA 10.2 ZIP包的TensorRT 8.2 GA

二、测试步骤

1.确认CUDA 版本

(yolo_V5) C:\Users\Administrator>nvcc -V

在这里插入图片描述

2.确认cudnn 版本

在include文件夹底下找到 cudnn.h文件 7.6.5
在这里插入图片描述

3.安装tensorrt

点击立即下载(Download Now)

配置环境变量

	1、解压得到TensorRT-7.2.3.4的文件夹，即 ：	E:\TensorRT-7.2.3.4

在这里插入图片描述
打开TensorRT-7.2.3.4\lib将里边的lib绝对路径添加到环境变量中，
2、将TensorRT解压位置\lib下的dll文件复制到C:\Program Files\NVIDIA GPU Computing
Toolkit\CUDA\v10.2\bin目录下
安装pycuda
如果要使用python接口的tensorrt，则需要安装pycuda

	pip install pycuda

4.测试tensorrt示例代码

配置VS2019
用VS2019打开sampleMNIST示例（E:\tensorrt_tar\TensorRT-7.0.0.11\samples\sampleMNIST） a.
将E:\tensorrt_tar\TensorRT-7.2.3.4\lib加入项目->属性->VC++目录–>可执行文件目录 和 库目录

在这里插入图片描述
b. 将E:\tensorrt_tar\TensorRT-7.2.3.4\lib\include加入C/C++ --> 常规 --> 附加包含目录

c.将nvinfer.lib、nvinfer_plugin.lib、nvonnxparser.lib和nvparsers.lib加入链接器–>输入–>附加
依赖项

x.pgm下载
说明：PGM 是便携式灰度图像格式(portable graymap file format)，在黑白超声图像系统中经常使用PGM格式的图像.
执行：tensorrt目录下的data文件夹找到对应数据集的download_pgms.py，然后运行。运行的时候没输
出，等一会看到文件夹下有了x.pgm文件就说明下载好了。即执行：

	python download_pgms.py

在这里插入图片描述
打开E:\TensorRT-7.2.3.4\samples\sampleMNIST\sample_mnist.sln
1.右键生成
2.调试——开始执行

在这里插入图片描述
出现如下即OK。

5.YOLOv5的TensorRT加速

克隆tensorrtx

	git clone https://github.com/wang-xinyu/tensorrtx.git

需要注意yolov5 需要和tensorrt包对应版本
在这里插入图片描述

下载文件dirent.h
Dirent是一个C/C++编程接口，允许程序员在Linux/UNIX下检索关于文件和目录的信息。这个项目为Windows提供了Linux兼容的接口。

下载文件dirent.h, 下载地址 https://github.com/tronkko/dirent
放置到** tensorrtx/include**文件夹下，文件夹需新建
在这里插入图片描述
生成yolov5s.wts文件
// 下载权重文件yolov5s.pt // 将文件tensorrtx/yolov5/gen_wts.py 复制到ultralytics/yolov5 底下执行

python  gen_wts.py  -w **.pt -o **.wts

成功后会生成对应模型的.wts文件
在这里插入图片描述
在tensorrtx底下新建build文件夹用于编译存放

修改CMakeList.txt
默认的CMakeList是linux版本的，想在Windows系统下运行项目需要修改CMakeList文件。具体修改完成后的内容如下：
copy如下后需要修改 ##1—##5地址。

cmake_minimum_required(VERSION 2.6)

project(yolov5)  
set(OpenCV_DIR "E:/opencv/build")    ##1
set(OpenCV_INCLUDE_DIRS "E:/opencv/build/include")    ##2
set(OpenCV_LIBS "E:\\opencv\\build\\x64\\vc14\\lib\\opencv_world455.lib")    ##3
set(TRT_DIR "E:/TensorRT-7.2.3.4")    ##4

add_definitions(-DAPI_EXPORTS)
add_definitions(-std=c++11)
option(CUDA_USE_STATIC_CUDA_RUNTIME OFF)
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_BUILD_TYPE Debug)

set(THREADS_PREFER_PTHREAD_FLAG ON)
find_package(Threads)


# setup CUDA
find_package(CUDA REQUIRED)
message(STATUS "    libraries: ${CUDA_LIBRARIES}")
message(STATUS "    include path: ${CUDA_INCLUDE_DIRS}")

include_directories(${CUDA_INCLUDE_DIRS})

####
enable_language(CUDA)  # add this line, then no need to setup cuda path in vs
####
include_directories(${PROJECT_SOURCE_DIR}/include)
include_directories(${TRT_DIR}\\include)
include_directories(E:\\ANACONDA\\envs\\yolov5\\s13\\tensorrt-yolov5\\tensorrtx\\include)    ##5


#find_package(OpenCV)
include_directories(${OpenCV_INCLUDE_DIRS})
include_directories(${OpenCV_INCLUDE_DIRS}\\opencv2) #6

# -D_MWAITXINTRIN_H_INCLUDED for solving error: identifier "__builtin_ia32_mwaitx" is undefined
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11 -Wall -Ofast -D_MWAITXINTRIN_H_INCLUDED")

# setup opencv
find_package(OpenCV QUIET
    NO_MODULE
    NO_DEFAULT_PATH
    NO_CMAKE_PATH
    NO_CMAKE_ENVIRONMENT_PATH
    NO_SYSTEM_ENVIRONMENT_PATH
    NO_CMAKE_PACKAGE_REGISTRY
    NO_CMAKE_BUILDS_PATH
    NO_CMAKE_SYSTEM_PATH
    NO_CMAKE_SYSTEM_PACKAGE_REGISTRY
)


message(STATUS "OpenCV library status:")
message(STATUS "    version: ${OpenCV_VERSION}")
message(STATUS "    libraries: ${OpenCV_LIBS}")
message(STATUS "    include path: ${OpenCV_INCLUDE_DIRS}")

include_directories(${OpenCV_INCLUDE_DIRS})
link_directories(${TRT_DIR}\\lib)
link_directories(${OpenCV_DIR}\\x64\\vc14\\lib) #8

add_executable(yolov5 ${PROJECT_SOURCE_DIR}/calibrator.cpp yolov5 ${PROJECT_SOURCE_DIR}/yolov5.cpp ${PROJECT_SOURCE_DIR}/yololayer.cu ${PROJECT_SOURCE_DIR}/yololayer.h)
target_link_libraries(yolov5 "nvinfer" "nvinfer_plugin") #9
target_link_libraries(yolov5 ${OpenCV_LIBS})        #10
target_link_libraries(yolov5 ${CUDA_LIBRARIES}) #11
target_link_libraries(yolov5 Threads::Threads) #12

————————————————————————————————————————————————————————————————————————————————

编译tensorrtx/yolov5
下载地址：https://cmake.org/
1.打开cmake-gui软件
2.设置需要编译的包
3.Configure并设置环境
4.点击Finish,等待Configure done
5.点击Generate并等待Generate done
6.点击Open Project

在这里插入图片描述

编译时报错解决经验分享如下：
报错1.
在这里插入图片描述
解决：在add_definitions(-std=c++11)上面添加add_definitions(-DAPI_EXPORTS)。

报错2. error C2589: “(”: “::”右边的非法标记；error C2059: 语法错误 : “::”
在这里插入图片描述

解决：std::min 增加括号（）

编译成功之后在build>Release 底下产生项目 yolov5.exe
在这里插入图片描述

在yolov5文件下配置：

yolov5.exe -s yolov5s.wts yolov5s.engine s

成功生成yolov5s.engine文件

在这里插入图片描述
测试 yolov5s.engine

yolov5.exe -d yolov5s.engine /samplse

在这里插入图片描述

6ms~

总结

都2022年了。原本想着在WIN10下配置yolov5_trt.py来跑rtsp监控的。python的资料网上太少看来只能用c++来跑。不想浪费时间。决定把系统做了。
建议学习配置的兄弟们还是直接在linux下跑吧。

别乱别报错

关注

5
点赞
踩
31

收藏

觉得还不错? 一键收藏
3
评论
win10 yolov5 tensorRT 部署

参考：1、Win10—YOLOv5实战+TensorRT部署+VS2019编译(小白教程~易懂易上手)—超详细]2、YOLOV5(Pytorch)目标检测实战：TensorRT加速部署视频目录硬软配置一、TensorRT二、测试步骤1.确认CUDA 版本2.确认cudnn 版本3.安装tensorrt4.测试tensorrt示例代码5.YOLOv5的TensorRT加速总结硬软配置显卡：NVIDIA GeForce GTX 1650 SUPERCPU：i7-7920HQ CPU
复制链接

扫一扫