【YoloV5 6.0|6.1 部署 TensorRT到torchserve】环境搭建|模型转换|engine模型部署(详细的packet文件编写方法)

发布时间:2022-11-13 22:30

忽然发现,关于部署TensorRT的文章少的可怜,于是乎,决定分享一下我自己关于这部分内容的一些成功实操和心得。还是希望大家可以分享出去,让更多人看到!!!

QQ: 1757093754

我的操作环境:

Yolov5 6.0:目前官方更新到6.1  —>  2022.7.5

python:3.8(anaconda3 2021.5)

CUDA: 11.4

CUDNN: 8.2.2

TensorRT: 8.2.2.1

torch:1.9.1+cu111

torchvision:0.10.1+cu111

vs:2019

OpenCV:4.5.0<如果你的yolov5版本是6.0、6.1,则可以不用OpenCV>

注:如果在进行操作的时候发现环境有问题,一定要检查自己的环境版本问题!!!

注:Yolov5 1~5版本并没有封装完好的TensorRT转换流程,故需要借助其他方法完成模型转换,但是6.0、6.1内置TensorRT的export。


目录

忽然发现,关于部署TensorRT的文章少的可怜,于是乎,决定分享一下我自己关于这部分内容的一些成功实操和心得。还是希望大家可以分享出去,让更多人看到!!!

我的操作环境:

前言

版本对应关系:(这一部分如果已经完成了,可以直接跳到下一个环节)

环境安装

第一步:安装CUDA和CUDNN

 第二步:配置环境变量

第三步:安装tensorrt到python环境(pip) 

模型转换(pt --> engine)

命令行参数解析: 

​编辑 export.py 命令行:

torchserve部署文件的制作

前言

handler.py的撰写

模型加载方法

 数据加载(预处理)方法

推理方法

后处理方法

最后 

部署工作

执行打包命令生成mar文件

打开torchserve服务

测试图片

后记

参考资料


前言

  • 本人使用的操作系统是 windows10,但同样的方法Linux也可以使用。
  • 本次操作不基于 TensorRTx 工具。<这是1~5版本yolov5模型转换时需要用到的>
  • 以下操作不会用到 OpenCV和Cmake,但是会给出下载方法。
  • 欢迎讨论、交流:QQ | 1757093754

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号