一,流程
1.训练产生自己的模型,pt文件 https://blog.csdn.net/didiaopao 炮哥带你学,全流程带你完成训练。yolov5-5.0 2.pt转onnx,采用最新的 https://blog.csdn.net/didiaopao/article/details/119954291 去官网下载yolov5-master工程,在model.py文件中全文修改opset=9,849行改为“onnx”,运行生成onnx文件。 3.onnx文件简化为onnx-sim pip install onnx-simplifier python -m onnxsim best.onnx best-sim.onnx 4.查看onnx,onnx-sim的文件结构,输出正常才能用,640------->25200 pip install netron -i https://pypi.douban.com/simple python import netron netron.start('best.onnx') 5.训练好后的onnx-sim文件拷贝到需要部署的工控上 6.安装cuda,cudnn,tensorrt (cmake 高版本)应该已经有了opencv,realsense等之后会用到的东西吧 一定要注意版本对应关系,安装cuda之前安装nvidia显卡驱动,nvidia-smi帮你检查是否安装成功显卡驱动。 我使用的版本:cmake3.25 ,ubuntu20.04,cuda11.4.3,cudnn8.2.1,tensorrt8.2.1 7.这一篇是我最终成功运行的博客 https://blog.csdn.net/weixin_38252409/article/details/131468373?ops_request_misc=&request_id=&biz_id=102&utm_term=yolov5%EF%BC%8Cyolov7%EF%BC%8Ctensorrt&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1-131468373.nonecase&spm=1018.2226.3001.4187 8.推理的第二个代码可以运行,写好CMakeLists.txt, main函数里边get_trtengine(),是onnx-sim转engine,运行前需要解释掉91行 infer()是推理,修改49行的cls_num是你模型中的类型数目,488行修改你的engine文件的路径。 9.开相机推理就看main.cpp