C++ 上用 ONNXruntime 部署自己的模型

利用C++ ONNXruntime部署自己的模型，这里用Keras搭建好的一个网络模型来举例，转换为onnx的文件，在C++上进行部署，另外可以利用tensorRT加速。

Github地址：https://github.com/zouyuelin/SLAM_Learning_notes/tree/main/PoseEstimation

网盘地址
链接：https://pan.baidu.com/s/19ncKS8HhwDaYxe2WGlUmNQ?pwd=car0
提取码：car0
 

一、模型的准备
搭建网络模型训练：
tensorflow keras 搭建相机位姿估计网络–例
网络的输入输出为：
网络的输入： [image_ref , image_cur]
网络的输出: [tx , ty , tz , roll , pitch , yaw]

训练的模型位置：kerasTempModel\，一定要用model.save()的方式，不能用model.save_model()
在onnxruntime调用需要onnx模型，这里需要将keras的模型转换为onnx模型；

安装转换的工具：
 

C++ 上用 ONNXruntime 部署自己的模型_机器人学渣的博客-CSDN博客