在Jetson nano中利用TensorRT进行推理加速yolov5-6.0

文章目录

• 在Jetson nano中利用TensorRT进行推理加速yolov5-6.0
• • 一、配置yolov5
  • 二、利用TensorRT推理加速
  • • 1.下载项目
    • 2.转换文件
    • 3.编译
    • 4.运行
  • 参考

说明：在我的 这篇文章中已经用了一位大佬的项目进行了推理加速，今天尝试用另一位大佬enazoe（要感谢一下大佬的热心解答！）的项目进行推理加速。

一、配置yolov5

详情见上面那篇文章

二、利用TensorRT推理加速

1.下载项目

下载地址：https://github.com/enazoe/yolo-tensorrt

2.转换文件

1.将yolo-tensorrt/scripts/yaml2cfg.py复制到yolov5下

cp yolo-tensorrt/scripts/yaml2cfg.py yolov5/

2.修改yaml2cfg.py

from utils.google_utils import *	#第三行
修改为
from utils.downloads import *
61和62行要修改为自己的pt和yaml文件的位置

3.生成weight和cfg文件

python3 yaml2cfg.py		#等待运行成功，会生成两个文件
mv yolov5/models/yolov5.cfg yolo-tensorrt/config/yolov5-6.0
mv yolov5/weights/yolov5.weights yolo-tensorrt/config/yolov5-6.0	#weights文件夹是自己创建的，可根据自己的进行查找

3.编译

cd yolo-tensorrt/modules/
修改plugin_factory.h的第35行，将#include "Nvinfer.h"修改为#include "NvInfer.h"
cd ..
mkdir build && cd build
cmake ..
make -j4

4.运行

./yolo-trt

参考

https://github.com/enazoe/yolo-tensorrt

标签：yolov5,nano,yolo,TensorRT,tensorrt,6.0,推理
来源： https://blog.csdn.net/carrymingteng/article/details/121379292