DBNet使用tensort加速

DBNet源文件：WenmuZhou/DBNet.pytorch

第一步：将训练好的模型文件.pth生成.wts 文件 

              生成方法：（1）置好保存路径

                                （2）在模型加载好之后加上如下程序段生成保存即可：

                                        

wts_file=r'D:*********/dbnet.wts'
f = open(wts_file, 'w')
f.write('{}\n'.format(len(self.model.state_dict().keys())))
for k, v in self.model.state_dict().items():
    vr = v.reshape(-1).cpu().numpy()
    f.write('{} {} '.format(k, len(vr)))
    for vv in vr:
        f.write(' ')
        f.write(struct.pack('>f', float(vv)).hex())
    f.write('\n')

            例如：我在DBNet源文件夹predict.py的Pytorch_model函数里添加这段程序，直接生成.wts文件

 第二步：

下载文件tensortx：wang-xinyu/tensorrtx: Implementation of popular deep learning networks with TensorRT network definition API (github.com)

使用该软件包直接将.wts转换成.engine文件