官网可下载 https://github.com/wang-xinyu/tensorrtx

yolov5、rcnn、alexnet、densenet，只要你的网络调用相机延迟严重，都可以使用tensorrt抓换模型，进行加速推理，在FPS很高的情况下也能实时处理获取的帧。

从零YOLOV5在Windows10的部署（tensorrtx）——cmakelist文件

tensorrtx-yolov5 V4版本 - yolov5s成功

tensorrtx-yolov5--成功编译的CMakeLists

tensorRT源代码，搬运自Github

TensorRTx TensorRTx旨在通过tensorrt网络定义API实现流行的深度学习网络。 众所周知，tensorrt内置了解析器，包括caffeparser，uffparser，onnxparser等。但是，当使用这些解析器时，我们经常会遇到一些“不受支持的操作或层”问题，尤其是某些正在使用的最新模型新类型的图层。 那么，为什么不跳过所有解析器呢？ 我们只使用TensorRT网络定义API来构建整个网络，这并不复杂。 我写这个项目是为了熟悉tensorrt API，并与社区分享和学习。 所有模型首先在pytorch / mxnet / tensorflown中实现，然后导出权重文件xxx.wts，然后使用tensorrt加载权重，定义网络并进行推断。 在我的可以找到一些pytorch实现，其余的则来自多源开源实现。 消息 26 Apr 2021 。 添加Inceptio

yolov5官方提供的pt模型，网络不好时下载较慢，这里将下好的模型分享给大家。已经验证过yolov5s的pt模型可以通过tensortx中的方法，转换为TensorRT可以的格式，并跑通流程。