YOLO系列基于TensorRt全流程打通==＞python训练-C++编译-C#部署

**
本篇基于YoloV8工程的目标检测模块，Tensorrt推理库进行介绍，按需阅读
C++编译工程，C#部署工程基本源于@椒颜皮皮虾྅，感谢，以下两篇文章供参考

**

Ace

https://mp.weixin.qq.com/s/Sw9ukiM9ZKOuzzGePVV4mg
https://mp.weixin.qq.com/s/tT_21llcfGvkkq-HjdEOiw

以下为版本要求对应，相应资源工具会放在文章最后，请预先下载完毕

显卡建议RTX3060及以上，VisualStudio2022(安装所需框架即可,会自动配置所需.net框架 和 .net Framework框架)，python3.8，cuda_11.0.3，cudnnv8.2.1，TensorRT-8.2.4.2，opencv-4.7.0，netron最新版本

**

Python篇

**

1. 使用LabelImg进行个人数据集的标注(如何操作请百度)
2. 下载YoloV8工程以及对应目标检测模型(本篇使用Detection的yolov8m模型)，按文末资源中的requirements.txt配置环境
3. 基于YoloV8工程进行训练，可得best.pt，使用其中的转换模块将pt模型转为onnx模型

https://github.com/ultralytics/ultralytics

**

C++篇

**
请进入文末资源工具集中得工程目录下的 TensorRT-CSharp-API-TensorRtSharp2.0

1. CUDA，CUDNN，Tenssorrt安装，请参考文头的第一篇文章，版本请以此文所注为准
2. 文章1的C++ 编译篇的第四步：设置附加依赖项，请按以下设置

cublas.lib
cublasLt.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cudnn.lib
cudnn64_8.lib
cudnn_adv_infer.lib
cudnn_adv_infer64_8.lib
cudnn_adv_train.lib
cudnn_adv_train64_8.lib
cudnn_cnn_infer.lib
cudnn_cnn_infer64_8.lib
cudnn_cnn_train.lib
cudnn_cnn_train64_8.lib
cudnn_ops_infer.lib
cudnn_ops_infer64_8.lib
cudnn_ops_train.lib
cudnn_ops_train64_8.lib
cufft.lib
cufftw.lib
curand.lib
cusolver.lib
cusolverMg.lib
cusparse.lib
nppc.lib
nppial.lib
nppicc.lib
nppidei.lib
nppif.lib
nppig.lib
nppim.lib
nppist.lib
nppisu.lib
nppitc.lib
npps.lib
nvblas.lib
nvinfer.lib
nvinfer_plugin.lib
nvjpeg.lib
nvml.lib
nvonnxparser.lib
nvparsers.lib
nvrtc.lib
OpenCL.lib

3. C++工程编译得TensorRtExtern.dll，C#工程编译得 TensorRtSharp.dll

**

C#篇

**
使用文末的CSharpYoloV2工程(基于.net Framework 4.8)

1. 将python转化出来的onnx模型放入bin\Debug\modelPath下，引用TensorRtSharp.dll，点击 ConvertToEngine进行转换engine操作
2. 使用netron查看onnx模型，找到最后的output0输出层，我的模型如下，供参考
   

其中1不变，5=类别数+4，34000每个模型可能结果不一样

3. 修改如下图所示参数为34000(这个值需要查询onnx模型结构得出，每个人得出的结果可能都不一样)，修改Img Path指向你所要预测的图片路径，点击Infer即可进行预测

4. 类别设置等配置 请自行阅读工程代码进行修改

5. 预测结果图片为bin路径得res.jpg(下图为预测结果)，修改结果得路径及结果显示，请按需修改代码即可
   

资源工具集
链接：链接：https://pan.baidu.com/s/1fWPdYsrSjA4WA7XFjZU1SQ?pwd=bae0
提取码：bae0