onnxruntime_gpu-1.8.0-cp37-cp37m-linux_aarch64.whl嵌入式上面的whl包

onnxruntime gpu版本推理库文件，包含头文件，lib库文件，dll 动态库文件，用于c++开发

自己在jetpack5.0.1版本的nx上build的onnx版本，不是正式版本，可能会在一些环境下出问题。理论上说jetson系列应该都可以安装运行，前提是cuda11.4（使用tensorrt的话需要tensorrt8.4）

arm、 jetson nano 可用的 onnxruntime-gpu

资源包含175张训练用数据，onnxruntime执行脚本。安装依赖后，可直接运行脚本，获取生成的结果。如若获取资源后无法执行，请私信。

onnxruntime_gpu-1.1.2-cp36-cp36m-linux_aarch64.whl 适用arm 64位 linux + python3.6， 可以配合cuda10.0 cudnn7.6.3 用于机器学习等

onnxruntime_gpu-1.6.0-cp36-cp36m-linux_aarch64.whl，官方地址：https://elinux.org/Jetson_Zoo#ONNX_Runtime

例子 介绍 使用python实现基于onnxruntime推理框架的深度学习模型的推理功能。 可以将onnx模型转换为大多数主流的深度学习推理框架模型，因此您可以在部署模型之前测试onnx模型是否正确。 注意：此处的模型由pytorch 1.6训练，并由onnx 1.8.1转换 要求 onnx == 1.8.1 onnxruntime == 1.7.0或onnxruntime-gpu == 1.3.0 opencv-python == 4.2.0.32 运行演示 该演示以main_xxx_.py格式命名。您可以使用以下示例运行代码。 python main_pose_.py --det_model_path weights/yolov5s.onnx \ --pose_model_path data/det/zidane.jpg \ -

onnxruntime ocr c++ gpu工程化代码

Microsoft.ML.OnnxRuntime.ResNet50v2Sample.7z