前言
在github上下载到yolov5的第5版及其对应的tensorRTX版本，在目标硬件平台进行部署推演。
GitHub上tensorRTX步骤
（1）下载好tensorrtx中yolov5文件中gen_wts.复制到训练yolov5模型文件下，执行：
python gen_wts.py -w yolov5s.pt -o yolov5s.wts -w 训练好模型（pt） -o 转为需要wts格式（输出）
（2）在tensorrtx的yolov5中yololayer.h进行设置检测目标的类别数量：
static constexpr int CLASS_NUM = 2;修改成自己的模型。
（3）编译及构建项目，在yolov5文件下执行:
mkdir build
cd build
cmake ..
make
构建好后，将转化后的wts文件复制到bulid中，再执行
sudo ./yolov5 -s [.wts] [.engine] [s/m/l/x/s6/m6/l6/x6 or c/c6 gd gw] // serialize model to plan file
sudo ./yolov5 -d [.engine] [image folder] // deserialize and run inference, the images in [image folder] will be processed.
// example
sudo ./yolov5 -s yolov5s.wts yolov5s.engine s
sudo ./yolov5 -d yolov5s.engine ../samples
// 裁剪举例
sudo ./yolov5 -s yolov5_custom.wts yolov5.engine c 0.17 0.25
sudo ./yolov5 -d yolov5.engine ../samples
后续
wts文件为裁剪后模型，而engine为tensorRT 推演，后续将进行目标的类别显示及视频的检测及实时检测。
|