YOLO V8

关于YOLO v8

关于TensorRT

TensorRT是NVIDIA公司推出的GIE（GPU Inference Engine）C++库，其主要目的是要提高深度神经网络在其公司硬件产品上的推理速度，主要方式是通过更低精度的运算、神经网络计算结构的调整优化等。

深度学习模型的训练包括两个阶段：前向推理并计算损失函数、后向梯度传播和参数更新。为了获得更准确的网络参数，模型的训练阶段参数精度要求较高，深度神经网络的参数需要使用32位浮点（Floating-point，FP32）计算并存储。模型训练完成后，只需要前向的推理步骤即可完成相关任务。在模型推理阶段，可以适当降低了模型参数的精度，加快模型推理的速度，对模型推理结果影响不大。

一种常用的方法是用半精度浮点（FP16）和８位整数（INT8）代替模型中的单精度值进行运算，用０-１二进制量化网络参数加速部分卷积神经网络模型的计算。Jetson Nano平台支持半精密浮点运算。半精度浮点运算速度是单精度浮点运算速度的两倍。在本节中，将使用半精确模型参数来减少目标检测模型的推理时间。

yolo v8 官方仓库

GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite

YOLO V8 TensorRT模型仓库，可转onnx，下载权重

GitHub - FeiYull/TensorRT-Alpha: 🔥🔥🔥TensorRT-Alpha supports YOLOv8、YOLOv7、YOLOv6、YOLOv5、YOLOv4、v3、YOLOX、YOLOR...🚀🚀🚀CUDA IS ALL YOU NEED.🍎🍎🍎It also supports end2end CUDA C acceleration and multi-batch inference.

TensorRT部署说明

TensorRT-Alpha - 知乎

yolo v8模型部署流程

yolov8 tensorrt模型加速部署[实战] - 知乎

yolo v8量化操作 

优化+量化，让你的YOLOv8获得1000+ FPS性能_zhuo-yoyowz的博客-CSDN博客

yolo v8操作教程

​​​YOLOV8最强操作教程._魔鬼面具的博客-CSDN博客

无人船数据集

无人船感知-数据集篇 - 知乎