目录
一. 环境及模块配置
二. 代码运行
- yolo5模型训练→权重文件，模型转换 .pt →.wts
- TensorRT推理
一.
1.1.1 check
a. 查看安装cuda的版本：
nvcc --versionb. 如果没安装，则首先查看电脑配置，然后继续下载对应cuda版本；
如图所示，桌面空白处单击鼠标右键，选择NVIDIA控制面板，选择打开后，点击左下角系统信息，然后选择组件，查看cuda信息，本机支持的是CUDA 10.2 版本，不支持更高版本的。
c. 下载对应cuda以及cuDNN
https://developer.nvidia.cn/cuda-downloadsd. 下载TensorRT-7.xxxx
NVIDIA TensorRT | NVIDIA Developer
注意：需要注册登录才可下载
e. 下载opencv
f. 下载安装cmake
e. 下载dirent.h , 存放于tensorrtx/include
https://github.com/tronkko/dirent
注意：
- 以上文件保存位置很重要，要记住哦！！！待会儿要用；
- 除了e项直接存放，其余项都需要安装，安装过程自行百度，比较简单。
1.1.2 下载yolov5以及TensorRT模型
源码地址：
1. yolo5:
https://github.com/ultralytics/yolov5
2 . tensorrt
https://github.com/wang-xinyu/tensorrtx/tree/yolov5-v3.0
wang-xinyu的工作实在是太赞了，让我们站在巨人的肩膀上前进吧！
这里作者用的是yolov5-v3.0的，可根据需要自行选择下载；
以下环境缺一不可：
-
vs ( vs2017 我用的这个版本的，别的没有测试过！）
-
cuda
-
TensorRT
-
Cmake
-
opencv
-
dirent.h（Windows环境下缺此项编译时会报错）
环境配置完毕。
二.
2.1 训练好的权重文件，即best.pt 转化为.wts文件,python 运行gen_wts.py文件，生成yolov5s.wts；
注意，如图所示：改成自己文件的名称；
2.2.1 Cmakelist.txt （非常重要）
2.2.2 运行cmake.gui
1. 选择文件路径；
2. 选择环境；
3.configuration 、generate;
2.2.3 vs生成解决方案
注意：windows运行需要在yololayer.h 文件里 nvinfer1 类里添加
__declspec(dllexport)生成解决方案：
yolov5.exe成功生成
注意：成功1个，这里因为作者之前myplugins已经成功生成。
2.2.3 生成engine(需等待一段时间)
完成以上操作以后，就可以开始生成engine
两种方式：
1. cmd执行；
yolov5.exe -s
2. 直接vs运行
（1）将yolov5设置为启动项，然后VS2017给命令行添加参数:
右键要添加命令行参数的工程->属性->配置属性->调试，右边有命令行参数输入框，输入-s后，
保存运行即可（如下图）；
2.2.4 调用engine测试
同上，两种方式
1. cmd运行
yolov5.exe -d ../samples2. 修改命令参数
注意： samples文件夹存放测试图片。
3. 运行结果
（因为作者的增加了图像显示部分，所以推理时间慢一些，如果不添加图像显示，推理时间要更快一些！）
emmm,电脑自带的画图软件的马赛克一言难尽，由于赶时间，就没用PS美化了，下次还是选择别的马赛克吧！
参考：
1. tensorrtx/run_on_windows.md at yolov5-v3.0 · wang-xinyu/tensorrtx · GitHub
2. https://github.com/ultralytics/yolov5
非常感谢以上大佬的工作！
如需转载，请注明出处，谢谢！
欢迎交流！
版权声明：本文为CSDN博主「小娅_l」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Cynthialy_/article/details/122068742
暂无评论