关于tensorrr停留在onnx阶段

最新推荐文章于 2024-10-08 16:27:32 发布
最新推荐文章于 2024-10-08 16:27:32 发布
阅读量313 收藏 6
点赞数 9
文章标签： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_73516329/article/details/134673648
版权
文章讲述了在将Yolov5模型转换为TensorRT支持时遇到的问题，即程序在ONNX阶段终止。解决方法分为三步：首先使用PyTorch（PT）转换为ONNX；然后注释掉export_engine中的export_onnx部分（因TensorRT7版本）；最后重新运行export.py，确保使用.pt权重文件即可成功输出。
摘要由CSDN通过智能技术生成

开发记录：

在使用tensorrt转换yolov5的时候发现程序总是在onnx阶段就退出了而且并不报错，所以在找了多方之后才发现要分三步：

第一步：先转换成onnx（用pt转换）

第二步：将export-egine函数中的export_onnx那两句话注释掉（其实注释一个就够了，因为用的是tensorrr7）

第三步：重新运行一遍export.py

weights还是.pt文件就可以顺利输出了

画雨877
关注
算法开发：EfficientNet转tensorrt的.engine,onnx,onnx_sim文件
suanfaxiazai的博客
03-10 244
tensorrt,engine文件 onnx文件 onnx sim ,前处理加入模型，机器视觉 图像分类 EfficientNet
Qt+CUDA+TensorRT:基于Qt+CUDA+TRT+WIN10的图像分类
qianxun
03-25 4457
之前在写CUDA程序，TRT程序大多是基于VS上，比如之前写的很多程序都是基于vs2019,在windows上大家可以很快乐的在vs上进行配置，还可以快乐的使用界面，但是在linux上没有vs了，可以使用cmake去编译一些，但是对于有些同学可能不太适应，linux上用到最多的可能就是Qt了，毕竟跨平台。那么接下来我们讲解如何在QT里面如何使用CUDA+TensorRT+OpenCV。 目录 1、环境配置 2、ResNet18图像分类 2.1、数据准备 2.2、模型搭建 2.3、训练 3、..
BUGFix：onnx -＞ TensorRT转换过程失败
SimpleLearning
08-22 1134
onnx2TensorRT
ONNX+TensorRT
热门推荐
jacke121的专栏
02-26 1万+
使用ONNX+TensorRT部署人脸检测和关键点250fps This article was original written by Jin Tian, welcome re-post, first come with https://jinfagang.github.io . but please keep this copyright info, thanks, any ques...
pytorch---关于tensor的一些常规知识点
YQyq1021的博客
10-26 613
1、创建一个服从均匀分布或者随机分布的张量，其大小可变，可一维，二维 tensor.rand（均匀） ：区间（0，1） 与tensor.randn（正太分布）：标准差为0，方差为1 y = torch.rand(4) y1 = torch.rand(2,3) print(y) print(y1) x = torch.randn(4) x1 = torch.randn(2,3) print(x) print(x1) 输出结果： tensor([0.4162, 0.4271, 0.0685, 0.1288
Tensor RT_4 自定义层(layers)
junqing_wu的博客
06-22 2018
文章目录caffe2TensorRT and TensorRT_plugin_layerBroadcast_layer 实现PoolingLayer 实现 caffe2TensorRT and TensorRT_plugin_layer Tensor RT可以直接解析caffe模型。 对于不支持的操作op，您可以使用接口手动添加它们; 本博客将提供了一个广播操作(BroadCast_op)的示例,...
基于QT的tensorRT加速的yolov5
qq_44798484的博客
06-26 651
基于QT的tensorRT加速的yolov5
VS 2019 配置tensorRT生成engine
qq_44798484的博客
06-23 919
VS 2019配置TensorRT
TX2+Yolov5之tensorRT加速
qq_46144078的博客
06-02 511
（2）如果上一步没问题，那大概率就是你的tensorRT的版本和你训练模型的版本不同，可以从官网下载个tensorRT版本的yolov5.pt测试一下。5.接下来去到目录tensorrtx下的yolov5文件夹，创建一个build文件,并生成生成makeFile，如果用的自己的权重文件请看8.6.将第4步生成的.wts文件复制到tensorrtx/yolov5/build里，运行代码生成.engine文件。3.将官方的权重文件'yolov5s.pt'，或自己训练出来的模型，也放在yolov5主文件夹中。
TensorRT+图像分类：采用ResNet18预训练权重图像分类---部署
qianxun
02-17 1316
上一篇我们写到了自己手动搭建ResNet18网络进行了图像分类训练，对猫狗进行分类，现在我们是用TensorRT API进行部署。 目录 1、ResNet18介绍 2、TensorRT 2.1 权重获取 2.2 ResNet.cpp 3.结果 1、ResNet18介绍 ResNet是一种基于跳跃连接的深度残差网络算法。根据该算法提出了18层、34层、50层、101层、152层的ResNet-18、ResNet-34、ResNet-50、ResNet-101和、ResNet-152等模型，..
（笔记）第三期书生·浦语大模型实战营（十一卷王场）–书生基础岛第5关---XTuner 微调个人小助手认知
haidizym的博客
10-06 447
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1tz421B72y/课程文档：关卡作业：https://github.com/InternLM/Tutorial/blob/camp3/docs/L1/XTuner/task.md开发机平台：https://studio.intern-ai.org.cn/
C++学习笔记----8、掌握类与对象（四）---- 不同类型的数据成员（1）
weixin_71738303的博客
10-05 949
c++对于数据成员给了你许多选项。除了在类中声明简单的数据成员，可以生成静态数据成员供所有类的对象共享，const成员，引用成员，reference-to-const成员，等等。本节我们解释一下这些不同类型的数据成员的细节。
强化学习笔记之【DDPG算法】
rvdgdsva的博客
10-06 853
强化学习第2篇.强化学习方向的学习者可以参考或者复刻
typora笔记导出word格式：
最新发布
sinat_40759442的博客
10-08 325
链接：https://pan.baidu.com/s/17AZNIMImbzFtWJAcAfAB0g?点击 设置Pandoc路径，然后选择pandoc.exe位置，就可以导出。Pandoc：各系统下载github链接。windows安装包。
【数学分析笔记】第4章第4节 复合函数求导法则及其应用（2）
随手写写
10-05 813
【例4.4.3】ye1cosx​，求y′【解】y′e1cosx​⋅21cosx​1​⋅−sinx−21cosx​sinx​e1cosx​yfxuxvx两边取对数得lnylnfxvxlnux等式两边同时对x求导得y1​y′uxvx1​y′v′xlnuxuxvx​u′xy′xuxvxv′xln。
大模型笔记05--coze经典案例分析
脚步不能达到的地方，眼光可以达到；眼光不能达到的地方，精神可以飞到
10-03 904
扣子是新一代 AI 应用开发平台，具备完善的生态系统，是国内最出色的AI平台之一。用好coze平台，不仅可以让我们做出很多有意思的AI产品，还能让我们在AI时代走得更远。本文依托coze平台强大的工作流和图像流能力，分析当前知名的流程搭建方式，让我们能快速搭建有趣的工作流和图像流应用，定制有特色的AI智能体。
计算机组成原理（笔记6阵列乘法器、补码阵列乘法器）
m0_72827793的博客
10-03 423
算前求补级输出为，同时乘法运算的时候是绝对值做的运算，而不是两个数的补码做的运算！因为在计算机里，是先有的补码，再做的运算。平时手算过程中我们是进行平行移位，可是在计算机里平行移位，会带来更大的开销，如下图我们可以看到，为此聪明的人，设计了斜移位的计算机。如图，11（1）（1）=1x2的3次方+1x2的2次方+（-1）x2的1次方+（-1）x2的0次方=9。上一章有写关于这个的乘法，当时是自学的，所以不够完美。值得注意的是最后一行用的是平行移位。平时我们计算乘法的时候是手算的。在电路中的实现，如图所示。
【网络篇】计算机网络——运输层详述（笔记）
CXDNW的博客
10-07 1208
运输层 协议为运行 在不同主机上 的应用 进程之间提供了逻辑通信（logic communica-tion）功能。从应用程序的 角度看，通过 逻辑通信，运行 不同 进程的 主机好像 直接相连一样；实际上，这些 主机也许 位于 地球的两侧，通过 很多路由器及 多种不同 类型的 链路相连。应用进程 使用 运输层提供的 逻辑通信功能 彼此 发送报文，而 无须考虑承载 这些报文的 物理基础设施的 细节。运输层协议是在 端系统中 而不是在 路由器中实现的。在发送端。
基金好书入门阅读笔记《基金作战笔记：从投基新手到配置高手的进阶之路》1
jackyrongvip的专栏
10-05 766
3%~6%，对应要承担2%~4%的回撤，且持有1年以上实现的概率就很大了。自己定了30%的股票占比，外加10%的上下浮动区间，那么当牛市中股票占比超过40%，我。这里要提醒投资者，很多所谓的“理财公司”以8%，甚至10%以上的收益率为诱饵，承诺保。通常情况下，权益资产的长期年化收益率在8%~10%是一个合理的预期，但要实现这个收。然，买得便宜是关键。熊市里，跌跌不休的每一个交易日都是天将降大任之前的“苦其心志，劳其筋骨，饿其。当然，这里有一个前提就是我们的配置足够均衡，我们深知自己的投资标的不会产。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值