trt_yolox

KO | EN

gitlite — search

#react #golang #android #machine-learning #rust #deep-learning #java #windows #awesome #cli #kubernetes #vue #pytorch #mcp

(★ 13)

TensorRT实现YOLOX部署

trt_yolox 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 使用TensorRT实现部署[YOLOX](https://arxiv.org/pdf/2107.08430.pdf) (torch->onnx->tensorrt)

## 环境依赖

1. Opencv3.1
2. TensorRT7.2
3. Cuda10.2

## 主要接口介绍
1. void ProPrecessCPU(const cv::Mat& img) 单张图像输入的预处理函数，cpu代码
2. void ProPrecessCPU(const std::vector<cv::Mat>& imgs) 多batch的预处理函数，cpu代码
3. void ProPrecessGPU(const cv::Mat& img) 单张图像输入的预处理函数，cuda代码
4. void ProPrecessGPU(const std::vector<cv::Mat>& imgs) 多batch的预处理函数，cuda代码
5. std::vector<BoxInfo> PostProcessCPU() 单张图像输入的后处理函数，cpu代码
6. std::vector<std::vector<BoxInfo>> PostProcessCPUMutilBs() 多batch的后处理函数，cpu代码
7. std::vector<BoxInfo> PostProcessGPU() 单张图像输入的预处理函数，cuda代码
8. std::vector<std::vector<BoxInfo>> PostProcessGPUMutilBs() 多batch的后处理函数，cuda代码
9. std::vector<BoxInfo> NMS() nms函数，cpu代码
10. std::vector<BoxInfo> NMSGpu() nms函数，cuda代码

## 使用方法
具体使用方法可以参照main.cpp中的main()函数。如果初次调用，需要指定onnx模型的路径、生成的trt模型的保存路径以及保存的模型名。
初次调用之后会生成.engine的trt模型，并保存到指定位置，之后再调用，则直接调用.engine模型。
```
    OnnxDynamicNetInitParamV1 params;
    # onnx模型路径
    params.onnx_model = "./YOLOX-main/YOLOX_outputs/yolox_s/onnx/yolox_s.onnx";
    # 最大的batchsize, 可根据自己的模型需求设置
    params.max_batch_size = 2;
    # 生成的trt模型的保存路径，可按照自身需求设置
    params.rt_stream_path = "./"
    # 生成的trt模型名
    params.rt_model_name = "detection.engine";
    # 设置检测目标类别数
    params.num_classes = 1;

# 构造YOLOX类对象
    YOLOX yolox(params);
    # infer
    vector<BoxInfo> pred_boxes = yolox.Extract(img);
```

trt_yolox

trt_yolox 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

trt_yolox

trt_yolox 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README