YOLOv5转TensorRt加速部署全过程

本文是在jetson nano 运行yolov5转tensorRt加速的记录

接上文:

https://blog.csdn.net/weixin_44312422/article/details/122256752?spm=1001.2014.3001.5502

(本文出现的yolov5均不指YOLOv5源码,是指tensorRtx中专属的YOLOv5加速代码,注意不要与YOLOv5源代码混淆)

1.第一步
下载对应版本yolov5的权重文件,以yolov5s为例(其实可以用yolov5n速度更快):本步可以跳过,直接看第二步

(本文运行的是YOLOv5 的第六个版本v6)

2.第二步

下载tensorrtx/yolov5/(本文对应的Tensorrt是YOLOv5 的第六个版本,若是其他版本的YOLOv5,请从下面链接下载该文件https://github.com/wang-xinyu/tensorrtx/tree/master/yolov5)

我已经上传到百度云了,可以直接下载

(yolov5s.pt和yolov5s.wts已经在文件中,可以直接跳到第三步)
链接:https://pan.baidu.com/s/1Grd3uzNwYKNDDiPZJeCfxA
提取码:6nuq

(我已经转好了yolov5s.wts代码,所以不需要涉及到YOLOv5的源码)

3.第三步

进入yolov5文件夹中

  1. 生成.wts文件 (因为我提供的链接已经生成了.wts文件,所以可以跳过)
python gen_wts.py -w yolov5s.pt -o yolov5s.wts
  1. 新建一个build文件 和一个存放图片的文件夹images

进入build文件夹中

将yolov5s.wts文件复制到build文件夹中

然后依次运行下面指令:

cmake ..
make

然后运行

sudo ./yolov5 -s yolov5s.wts yolov5s.engine s

最后运行

sudo ./yolov5 -d yolov5s.engine ../samples

运行完成后在build文件夹中找到保存的图片,如下所示

以上就是加速过程,如有不足请各位大佬指出

-end-

参考链接:
[1]https://github.com/wang-xinyu/tensorrtx/tree/master/yolov5
[2]https://blog.csdn.net/ailaier/article/details/116270962?spm=1001.2014.3001.5506

你可能感兴趣的:(jetson,nano,部署端化,深度学习,人工智能,arm)