[Python知识库]【tensorrt】从零YOLOV5在Windows10的部署（tensorrtx）

说明

1. 本文主要展示如何从零开始部署tensorrt，以yolov5为例，其他模型部署思路基本一致。

1.TensorRT是什么？

简单来说，可以认为tensorRT是一个只有前向传播的深度学习框架，只负责模型的推理过程。
深度学习模型在实际应用中，对模型的响应速度有着极高的需求，而gpu以其高速矩阵运算制霸，在推理过程中，基于 TensorRT 的应用程序的执行速度可比 CPU 平台的速度快 40 倍。TensorRT现已能支持TensorFlow、Caffe、Mxnet、Pytorch等几乎所有的深度学习框架，将TensorRT和NVIDIA的GPU结合起来，能在几乎所有的框架中进行快速和高效的部署推理。

2.安装必备（附安装地址）

标题直接点进去就是安装地址。
注意！！！！先安装VS再安装cuda

1. anaconda或者Miniconda(一个 Anaconda 的轻量级替代):
   python基础环境配置，用于训练+转化
   anaconda配置详细教程：https://blog.csdn.net/m0_51246196/article/details/110677819
2. pycharm：python IDE 用于训练yolov5
3. VS2019
4. cuda+cudann：根据自己英伟达显卡进行选择下载。
   cuda10.2+cudnn10.2 下载
   gpu部署详细教程：https://blog.csdn.net/m0_51246196/article/details/110587053
5. GitHub：tensorrtx+yolov5
6. tensorrt：最新的下载即可。需要8.0以上，支持python的。
   安装检验教程：https://blog.csdn.net/m0_51246196/article/details/123119329
7. opencv
8. cmake：gui用的多

3.环境配置以及前期准备

1. windows版本下的特色：首先配置系统环境变量，以免不兼容！
   
2. 下载dirent.h文件，并且将其放在tensorrtx/include。
   下载地址：https://github.com/tronkko/dirent
   百度网盘链接：https://pan.baidu.com/s/1HkAub8aAtoFWO3Pr5KcYig?pwd=y1vh
   提取码：y1vh
3. 准备好cmakelist.txt文件，重点修改以下框框。
   文件：https://download.csdn.net/download/m0_51246196/82218131
   

4. cmake-gui生成工程文件

cmake不涉及编译

根据自己的VS版本选择

5.打开工程文件，按需要配置文件：

yololayer.h：根据需求配置模型参数.

6. 生成——>解决方案

成功生成后，出现如下情况：

7.tensorrt+yolov5的使用：

1. .pt转.wts

把gen_wts.py复制到yolov5项目文件下，运行。

或者命令行

python gen_wts.py -w yolov5s.pt -o yolov5s.wts

2. yolov5.exe使用

3.生成.engine文件进行使用

命令行：

yolov5.exe -s yolov5s.wts yolov5.engine s

检测：
yolov5 s 为例：

yolov5.engine C:\Users\net5\Desktop\yolo\trx\out\samples s #填写自己的路径名 

填写格式如下

8.最后成功如图：