环境:win10 + vs2019+cuda11.0+pytorch1.7.1
1. vs2019配置opencv4.4和libtorch1.7.1
2. pytorch模型转化为torch script
Export-gpu.py将pt模型转化为torchscript.pt
3. 在c++中使用libtorch调用yolov5模型进行测试
在Python环境下对训练好的模型进行转换以后,咱们须要C++环境下的PyTorch来读取模型并进行编译部署。这种C++环境下的PyTorch就是libtorch。由于libtorch一般用来做为PyTorch模型的C++接口,libtorch也称之为PyTorch的C++前端。
下载GitHub - ncdhz/YoloV5-LibTorch: 一个 C++ 版本的 YoloV5 封装库。在自己的项目中新建main.cpp, YoloV5.cpp和YoloV5.h,分别将YoloV5-LibTorch工程中的test文件夹中的test.cpp, src文件夹中的YoloV5.cpp和include文件夹中的YoloV5.h的代码复制到对应的main.cpp,YoloV5.cpp和YoloV5.h中。Main.cpp中设置的pt文件和coco.txt文件分别修改为上步转化的torchscript.pt和自己训练的类别。
该博客详细介绍了如何在Windows10环境下,使用Visual Studio 2019配置CUDA 11.0、PyTorch 1.7.1(GPU版本)和OpenCV 4.4,并通过C++代码测试GPU可用性。同时,还涵盖了PyTorch模型转为TorchScript以及在C++中利用libtorch调用预训练的Yolov5模型进行对象检测的步骤。
924

被折叠的 条评论
为什么被折叠?



