利用yolo-v5master的自带export.py直接将yolov5-master版本中训练好的pt文件输出为指定的格式，包括engine(tensorrt)以及onnx格式(完整流程，手把手)

为什么要出这篇文章呢，本来是想把pt文件输出为onnx，然后转化为tensorRT所需的engine文件进行优化加速，折腾了半天发现多此一举了。。。。。。。。（ctm....)

yolov5_master版本自带的export。py文件自带调用onnx的接口的功能，也自带调用tensorrt转化的功能，只需要设定相应的pt文件路径，以及输出文件的存储路径即可。

可以下载这次要用到的安装包，边下边看

链接：https://pan.baidu.com/s/1meH7Wtm66aMz7R2cmBoUQg?pwd=1234 
提取码：1234 
--来自百度网盘超级会员V7的分享

重要的事情说三遍

环境要匹配

环境要匹配

环境要匹配

本人所使用的开发环境是Windows11

CUDA版本 11.6  （所使用的python版本是3.8    ,对应的pytorch版本是1.13   cu116）

cudaNN也是最新的对应版本

一.安装cudNN

cuDNN下载地址（最好挂个梯子）

cuDNN 9.0.0 Downloads | NVIDIA Developer

点击Archive 可以下载以往的版本，最新的cuDNN无法适配pytoch113版本

选择下面这个  cuDNN8.0X

进去之后选择forCUDA11.x的最新版就好

下载完毕打开CUDA安装的目录（菜单的程序以及应用可以搜到说明电脑里已经装了CUDA，如果没有则需要先安装CUDA）

如果安装CUDA时候点击的是精简自动安装则默认安装在

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

打开下载的cuDNN文件

将以上文件直接复制到v11.6下（会自动合并，不会弹出是否要替换之类）

安装好后运行v11.6下的bandwidth.exe(用cmd 命令行运行)

看到下面的结果result下面有了PASS即可说明安装成功。

二.安装tensorRT

题主在用pip安装时遇到了错误在这里分享下手动安装的方式

tensorrt的安装包下载地址（挂梯子）

NVIDIA TensorRT 8.x Download | NVIDIA Developer

需要先勾选同意协议，第一次登陆需要先注册一下

选择上面的这个版本下载，接下来操作按照下面这位博主的即可，只不过需要将指令换成自己对应的文件名

【TensorRT】TensorRT安装教程-CSDN博客

三.进行模型转化

打开yolov5-master的export.py文件

设置好pt文件的路径，调整好图片接口的大小   prompt运行下面这个就可以

python export.py --include engine   ###tensorrt的格式

稍等一段时间

文件会直接输出到pt所在的文件夹

题主接下来要进行模型前处理的优化以及推理过程的并行加速工作，以及后处理的优化加速

最终将在AGX-Orin上实现整个工程

如果关注以及浏览量足够多，就出完整的教程包含训练-调参-优化-加速-部署的完整教程，以及工程文件。