TensorRT安装以及相关配置 看到很多tensorrt安装教程有一些问题,所以我安装完后写这篇记录并分享一下. 1.下载tar包 TensorRT官方API提供了四种安装方式，建议下载tar包进行安装。下载地址https://developer.nvidia.com/tensorrt 2. 安装TensorRT 2.1 解压 tar xzvf TensorRT-6.0.1.5..-gnu.cuda-10.1.cudnn7.x.tar.gz 2.2 添加环境变量 $ vim ~/.bashrc # 打开环境变量文件 # 将下面三个环境变量写入环境变量文件并保存 export LD_LIBR

yolov5各个版本 tensorrt cfg文件，下载地址： https://github.com/enazoe/yolo-tensorrt/blob/master/yolov5_tutorial.md 担心作者哪天不再共享，特地下载下来，分享给大家。

本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用pytorch版本的mobilenetv2图像分类模型实现分类任务。将训练的模型转为onnx，实现onnx的推理，然后再将onnx转为TensorRT，并实现推理。 通过本文你和学到： ​ 1、如何从torchvision.models调用mobilenetv2模型？ ​ 2、如何自定义数据集加载方式？ ​ 3、如何使用Cutout数据增强？ ​ 4、如何使用Mixup数据增强。 ​ 5、如何实现训练和验证。 ​ 6、如何使用余弦退火调整学习率。 ​ 7、如何载入训练的模型进行预测。 ​ 8、pytorch转onnx，并实现onnx推理。 ​ 9、onnx转TensorRT，并实现TensorRT的推理。 希望通过这篇文章，能让大家对图像的分类和模型的部署有个清晰的认识。 链接：https://wanghao.blog.csdn.net/article/details/123003159

MMDet到张量 该项目旨在将mmdetection模型转换为tensorrt模型end2end。现在专注于对象检测。面膜的支持是实验性的。 支持： fp16 int8（实验） 批量输入 动态输入形状 不同模块的组合 深度支持 欢迎提供任何建议，错误报告和建议。 执照 该项目是根据。 要求 mmdet> = 2.3.0 重要的！ 设置环境变量（在〜/ .bashrc中）： export AMIRSTAN_LIBRARY_PATH= ${amirstan_plugin_root} /build/lib 安装 主持人 git clone https://github.com/grimoire/mmdetection-to-tensorrt.git cd mmdetection-to-tensorrt python setup.py develop 码头工人 构建docker镜像（注意Te

手部追踪 具有TensorRT姿势检测的跟踪手

使用tensorrt来加速推理一个简单的GAN模型，生成卡通人物的头像

使用tensorRT部署的yolov5源码，资源讲解在博客https://blog.csdn.net/Z960515/article/details/121975944

TensorRT centerNet 检测部署资源

CenterNet Pro Max 更新。代码弃用！！！由于某些内部问题，此代码是封闭源代码，对此感到抱歉！ 对于想要/咨询/获得CenterNet_Pro_Max的任何资源的任何人，即使我们关闭了该版本的源代码，我也希望为您提供帮助。也欢迎社区加入这个dicuss平台来谈论AI： 为什么叫这个名字？因为此存储库基于centernet-better，而有人将其开源，所以另一个实现称为centernet-better-plus，因此我们必须使用以下名称：centernet_pro_max。 此仓库是原始CenterNet的重建。与大多数基于detectron2或mmdetection的实现不同，高度模块化的代码库使用户难以理解基本思想是什么。因此，在此存储库中，我们使它尽可能简单，并使您可以自定义任何想法或拥有的任何新体系结构。 此版本建立在Centernet-Better的基础上，但与原始

TensorRT-7.0.0.11.Ubuntu-18.04.x86_64-gnu.cuda-10.0.cudnn7.6.tar.gz TensorRT-7.0.0.11.Ubuntu-18.04.x86_64-gnu.cuda-10.0.cudnn7.6.tar.gz