1、linux下出现错误：libyolov8.so:undefinedreferenceto`sample::splitToStringVec(std::__cxx11::basic_string,std::allocator>const&,char)'collect2:error:ldreturned1exitstatusCMakeFiles/app_yolov8.dir/build.make:

文章目录前言JetsonXavierNX环境配置一、TensorRT-Alpha源码下载1.源码下载2.文件设置二、yolov8模型部署1.导出yolov8onnx模型2.使用tensorrt转换onnx

yolov8-pose的tensorrt部署代码稍后更新，还是在仓库：GitHub-FeiYull/TensorRT-Alpha:TensorRT-AlphasupportsYOLOv8、YOLOv7、

yolov8-pose的tensorrt部署代码稍后更新，还是在仓库：GitHub-FeiYull/TensorRT-Alpha:TensorRT-Alphasupports

TensorRT仓库TensorRT-Alpha：https://github.com/FeiYull/TensorRT-Alpha仓库使用CUDAC作图像加速，基于TensorRT推理模型，实现快速模型推理

安装工具链和opencv1.2安装Nvidia相关库1.2.1安装Nvidia显卡驱动1.2.2安装cuda11.31.2.3安装cudnn8.21.2.4下载tensorrt8.4.2.41.2.5下载仓库TensorRT-Alpha

安装工具链和opencv1.2安装Nvidia相关库1.2.1安装Nvidia显卡驱动1.2.2安装cuda11.31.2.3安装cudnn8.21.2.4下载tensorrt8.4.2.41.2.5下载仓库TensorRT-Alpha

安装工具链和opencv1.2安装Nvidia相关库1.2.1安装Nvidia显卡驱动1.2.2安装cuda11.31.2.3安装cudnn8.21.2.4下载tensorrt8.4.2.41.2.5下载仓库TensorRT-Alpha

1，参考地址：https://github.com/FeiYull/TensorRT-Alpha/tree/main/Ultra-Fast-Lane-Detection-v22，参考地址：https:/

Windows10下yolov8tensorrt模型加速部署【实战】TensorRT-Alpha基于tensorrt+cudac++实现模型end2end的gpu加速，支持win10、linux，在2023

ubuntu下yolov8tensorrt模型加速部署【实战】TensorRT-Alpha基于tensorrt+cudac++实现模型end2end的gpu加速，支持win10、linux，在2023年已经更新模型

yolov8地址：https://github.com/ultralytics/ultralyticsyolov8+tensorrt部署加速https://github.com/FeiYull/TensorRT-Alpha

batchx3x640x640（测试设置batch为8）测试模型：yolov8n，yolov8s，yolov8n，更多模型测试可以去网盘下载：文件分享测试仓库yolov8相关tensrrt+cuda部署代码在仓库TensorRT-Alpha

仓库（已更新源码）:https://github.com/FeiYull/tensorrt-alpha基于cuda实现模型前处理，后处理，模型从头到脚运行在gpu上。