标签：yolov5 nano yolo TensorRT tensorrt 6.0 推理
在Jetson nano中利用TensorRT进行推理加速yolov5-6.0
文章目录
说明：在我的 这篇文章中已经用了一位大佬的项目进行了推理加速，今天尝试用另一位大佬enazoe（要感谢一下大佬的热心解答！）的项目进行推理加速。
一、配置yolov5
详情见上面那篇文章
二、利用TensorRT推理加速
1.下载项目
下载地址：https://github.com/enazoe/yolo-tensorrt
2.转换文件
1.将yolo-tensorrt/scripts/yaml2cfg.py复制到yolov5下
cp yolo-tensorrt/scripts/yaml2cfg.py yolov5/
2.修改yaml2cfg.py
from utils.google_utils import * #第三行
修改为
from utils.downloads import *
61和62行要修改为自己的pt和yaml文件的位置
3.生成weight和cfg文件
python3 yaml2cfg.py #等待运行成功，会生成两个文件
mv yolov5/models/yolov5.cfg yolo-tensorrt/config/yolov5-6.0
mv yolov5/weights/yolov5.weights yolo-tensorrt/config/yolov5-6.0 #weights文件夹是自己创建的，可根据自己的进行查找
3.编译
cd yolo-tensorrt/modules/
修改plugin_factory.h的第35行，将#include "Nvinfer.h"修改为#include "NvInfer.h"
cd ..
mkdir build && cd build
cmake ..
make -j4
4.运行
./yolo-trt
参考
https://github.com/enazoe/yolo-tensorrt
标签：yolov5,nano,yolo,TensorRT,tensorrt,6.0,推理 来源： https://blog.csdn.net/carrymingteng/article/details/121379292
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。