VS 2019配置tensorRT

最新推荐文章于 2024-06-27 11:11:37 发布
最新推荐文章于 2024-06-27 11:11:37 发布
阅读量1.1k 收藏 3
点赞数 2
文章标签： python 人工智能 linux
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44798484/article/details/125367408
版权
本文介绍了如何在VS 2019中配置TensorRT。首先从NVIDIA官网下载TensorRT并解压，然后将相关文件移动到CUDA对应目录。接着安装TensorRT的四个组件，下载cudnn64_8.dll并放置到CUDA的bin目录。最后，运行代码和示例，并下载cudnn及zlibwapi.dll完成配置。
摘要由CSDN通过智能技术生成

配置TensorRT

1、下载TensroRT：链接：https://developer.nvidia.com/nvidia-tensorrt-8x-download
在这里插入图片描述

2、将下载的文件进行解压，并将TensorRT中的include文件移动到CUDA文件夹下的include中,并将TensortRT文件中的lib中的dll与lib文件分别放到cuda中的bin与lib\x64文件夹中
在这里插入图片描述
3、安装TensorRT，分别对这四个文件进行安装

pip install tensorrt-8.2.5.1-cp37-none-win_amd64.whl

最低0.47元/天 解锁文章
AphilGuo
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
VS 2019 配置tensorRT生成engine
qq_44798484的博客
06-23 900
VS 2019配置TensorRT
Win10-Yolov5实战+TensorRt部署+Visual Studio2019环境配置+Cmake编译
weixin_68562649的博客
06-26 855
Win10+vs2019+yolov5+TensorRt+cmake 实战部署教程
Win10环境用VS2019配置TensorRT 7.1.3.4
胡乱学点东西
04-06 1515
下面是我的环境 Win10 Anaconda3 Pyhton3.7 VS2019 cuda11.0 cudnn8.0
windows下 使用VS2019部署yolov5使用TensorRT加速模型推理
liyucong1的博客
04-27 1499
yolov5s通过tensort，导出为dll文件，python、c++调用dll文件。1.项目环境软件安装,及其环境变量配置请参考上述人员的博客,必须基于yolov5(6.0版本)，cuda和cudnn和TensorRT版本必须匹配，如有报错请考虑软件版本、环境变量是否匹配。下载地址下载地址下载地址下载地址下载地址下载地址下载地址下载地址。
VS2019+CUDA10.2+tensorRT7.0+opencv4.12环境配置yolo-tensorrt
free_luojing的博客
03-06 4755
为了在windows上运行yolo-tensorrt项目进行了VS2019+CUDA10.2+tensorRT7.0+opencv4.12的环境配置 1.1 首先安装VS2019 进入VS官网下载社区版2019 1.2 安装CUDA和CUDNN 注意：我之前为了配置python的深度学习环境，安装过CUDA，但是精简安装，最好还是重新安装。版本CUDA10.2+cuDNN v7.6.5 进入官网下载CUDA2019 安装CUDA和CUDNN参考这个链接的1.2和1.3节 1.3安装opencv4.1.2 参
深度学习TensorRT安装，以及VS2019、CUDA、cuDNN匹配
mw的博客
11-17 2395
准备在Windows10上安装TensorRT用于深度学习，查询得知首先要安装CUDA和cuDNN，但安装之前要先安装VS，因为安装CUDA工具包时会自动安装vs中的一些插件，如果顺序反了的话，后续要手动配置，非常麻烦。当然安装之前还需要考虑自己电脑的配置，以及各版本之间是否匹配，减少不必要的麻烦！已经提前配置好pycharm和Anaconda,选用python = 3.9的版本。
TensorRT8+C++接口+Window10+VS2019中的使用-模型准备及其调用以及图像测试
u011826081的博客
05-19 643
文章目录前言一、如何制作tensorRT需要的uff文件1.keras生成的h52.h5转pb3.pb转uff1.下载你的tensorRT2.解压到纯英文路径，和opencv库一个用法3.在pycharm里用pip将需要的whl安装上4.执行uff自带的转换脚本convert_to_uff.py5.遇到的问题6.成功结果二、使用步骤1.环境配置1.Visual Studio项目目录配置1.VC++目录2.C/C++3.链接器配置：2.简单测试总结 前言 由于tensorflow-gpu在C++ vs201
YOLOv5实战+TensorRT部署+VS2019编译[全部软件下载]
08-30
在本项目中，VS2019用于编译YOLOv5源码和TensorRT的CUDA内核。 4. OpenCV 3.4.0：一个开源计算机视觉库，包含了各种图像处理和计算机视觉的算法。YOLOv5可能会用到OpenCV进行图像预处理和后处理。 5. Anaconda3：...
基于C++深度学习vs2019车牌检测和识别Tensorrt部署源码+模型+详细部署教程.zip
05-09
VS2019（Release x64） CUDA 11.3 CUDNN 8.6 TensorRT-8.5.1.7.Windows10.x86_64.cuda-11.8.cudnn8.6 Opencv452 **注意：**Tensorrt下载上面要求的cudnn版本一定要与cuda下的cudnn一致，否则可能会报错 属性表...
yolov7 tensorrt8 生成c++ dll ，cuda11.4.3，cudnn8.2 win10，vs2019
01-29
在本项目中，我们主要关注的是如何在Windows 10环境下，使用Visual Studio 2019、CUDA 11.4.3、cuDNN 8.2 和 TensorRT 8.2.1.8 来构建一个基于YOLOv7的C++动态链接库（DLL）。YOLOv7是一种流行的深度学习目标检测...
TensorRT-8.4.2.4.Windows10.x86-64.cuda-11.6.cudnn8.4
10-28
1. **安装与配置**：下载并安装TensorRT 8.4.2.4，确保系统已安装CUDA 11.6和cuDNN 8.4，配置好环境变量。 2. **模型导入**：将训练好的深度学习模型（如ONNX、TensorFlow、PyTorch格式）导入到TensorRT。 3. **...
tensorRT6.0_7.2_win10
10-30
TensorRT6.0到7.2版本的发布，覆盖了从2019年到2021年间的重要更新，提供了更高效的性能和对新模型的支持。 在Windows 10环境下，TensorRT与CUDA的配合至关重要。CUDA是NVIDIA推出的计算平台，用于利用GPU进行并行...
Yolov5+tensorrt+vs2019+windows部署
03-27 773
yolov5如何在c++下进行应用，本博客通过转成Tensorrt进行调用模型，为工业界应用提供了一种解决方案；
win10 MSVS2019 tensorrt
Loong Cheng的博客
12-12 507
这篇文章的前提是你已经安装好了cuda和cudnn。并且没有问题了。不会弄得看我的文章。 然后开始配置trt内容。 1 相关参数 cuda cuda_11.1.0_456.43_win10.exe cudnn cudnn-11.1-windows-x64-v8.0.4.30 trtTensorRT-7.2.1.6.Windows10.x86_64.cuda-11.1.cudnn8.0.zip MSVS 2019 社区版 2 添加环境变量 C:\TensorRT-7.2.1.6....
tensorRT的VS环境部署
Fan1534的博客
10-18 208
与opencv的环境配置不同的是，tensorRT的部署不止要配置tensorRT下的include文件夹路径作为包含目录，还要另外配置CUDA下的路径。cuda下的include文件夹的lib文件有很多，写个程序来读取指定文件夹下的所有文件名，然后复制粘贴进来就好了。除此之外，在链接器-->输入-->附加依赖项中还要配置以上两个include文件夹中的所有lib文件。
WIN10+VS2019+CUDA11.8 使用TensorRT部署 yolov5-5.0
最新发布
weixin_45560674的博客
06-27 793
将下载的《yolov5加速包》中所有文件，复制粘贴到已下载《tensorrtx-yolov5》解压tensorrtx-yolov5-v5.0\yolov5目录下，其中的CMakeLists.txt选择替换原有文件。将《tensorrtx-yolov5》文件下的gen_wts.py文件复制到《yolov5-5.0》目录下，按照下图操作。将转出的wts模型，复制到3.3所生成的yolov5.exe同级目录下。编译过程中出现如下图的错误是可以不用管的。TensorRT配置成功。
win10+vs2019+tensorrt+yolov5模型加速
weixin_57140232的博客
06-08 1420
最近一直在学习关于tensorrt加速生成engine文件的知识，自己也跟着网上的很多博主在自己电脑上一步一步实现，但是遇到了很多问题和坑，大多数问题是因为在windows系统上进行操作和在linux系统上操作的差异性导致的，这里记录一下方便自己以后查阅并且希望能帮到别人。......
Windows TensorRT环境配配置（VS Code）
weixin_43276666的博客
11-30 736
Windows TensorRT环境配配置（VS Code）
win11安装TensorRT（python、c++（cmake、vs2019）部署）
qq_23172985的博客
06-09 1146
将lib目录下的dll文件复制到CUDA目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin。将下载的压缩包解压，然后放到自己合适的目录。如：C:\Program Files\TensorRT-8.5.1.7。默认已安装CUDA、CUDNN、对应版本的pytorch等环境（注意版本对应就好）CUDA是可以通过find-package来直接找到的。TensorRT是找不到的，需要set设置一下路径。下载8 GA版本（稳定版本）即可。
vs2019 c++ tensorrt部署深度学习模型
05-14
TensorRT是一个基于NVIDIA GPU的高性能推断引擎，用于加速深度学习推理应用程序。TensorRT支持各种深度学习框架，包括TensorFlow、PyTorch、Caffe和MXNet等。 部署深度学习模型使用TensorRT的过程中，VS2019 C可以作为开发工具。首先需要借助深度学习框架将训练好的模型进行转换和优化。TensorRT提供了一些工具和API供开发者使用，其中包括TensorRT的C++ API，使用C++ API可以直接将模型部署到TensorRT上。 此外，还需要注意一些性能优化技巧。例如，可以使用INT8量化减少模型的计算量和模型体积，还可以通过降低网络的精度来提高推理性能。还需要了解一些GPU计算相关知识，如GPU硬件架构、GPU内存分配等等。 总之，使用VS2019 C和TensorRT部署深度学习模型需要具备一定的深度学习和GPU计算相关知识，并且需要对TensorRT的API进行深入研究和调试，以获得较好的性能和效果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值