克隆和安装YOLOv8
PyTorch版的YOLOv8是先进的高性能实时目标检测方法。 TensorRT是针对英伟达GPU的加速工具。
ONNX (Open Neural Network Exchange) 作为一个开放的网络模型中间表示(IR)格式,提供了跨框架兼容性。
可以方便不同的框架轻松地交换模型,有助于框架之间的互操作性。
本课程讲述如何对YOLOv8目标检测的PyTorch权重文件转成ONNX格式并进行TensorRT加速部署。
相比与直接使用TensorRT API构建推理引擎,本方法更具灵活性,可用于YOLOv8网络架构修改后的模型部署。
课程亮点包括:
- YOLOv8目标检测的PyTorch权重文件转成ONNX格式,再转成TensorRT 推理引擎
- 支持在GPU上端到端TensorRT加速部署,包括预处理(图像resize, 归一化)、网络推理、后处理(非极大抑制) 均在GPU上执行
- 支持FP16加速
- 提供C++和Python的TensorRT加速命令接口
- 分别在Windows和Ubuntu系统上做YOLOv8的ONNX转换及TensorRT部署演示
- 支持图片、图片文件夹、视频文件的TensorRT的加速推理
- 提供YOLOv8的ONNX转换及TensorRT加速部署代码和代码解析文档
- 实测推理速度提高2倍以上。
课程内容包括:
- 原理篇(YOLOv8网络架构与组件、TensorRT基础、ONNX基础、CUDA编程方法)
- 实践篇(Windows和Ubuntu系统上的ONNX模型转换及TensorRT加速部署流程演示)
- 代码解析篇(YOLOv8的ONNX模型转换及TensorRT加速的代码解析)
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲
![基于深度学习的计算机视觉: 原理与实践 (上部)](https://s2.51cto.com/images/201906/11/9066acefc97c12ddca4cc17c0b0b4ed4.jpg?x-oss-process=image)
![YOLOv3目标检测实战:训练自己的数据集](https://s2.51cto.com/images/avater/202010/82ba7230660f76017c223285f8ceb3ffa05143.jpg?x-oss-process=image)
![YOLOv5+DeepSORT多目标跟踪与计数精讲](https://s2.51cto.com/images/avater/202106/c53194110cc6cf0f2e97529417334c54255bb2.jpg?x-oss-process=image)
![YOLOv5(PyTorch)目标检测:原理与源码解析](https://s2.51cto.com/images/202012/07/5927cba0fe37351ed806b7696c0e5251.jpg?x-oss-process=image)
![YOLOv3目标检测:原理与源码解析](https://s2.51cto.com/images/avater/202010/25a09f888df674d1694307a7d0a3979a6b593a.jpg?x-oss-process=image)
![Mask R-CNN图像实例分割实战:训练自己的数据集](https://s2.51cto.com/images/avater/202010/c9391d410582a0c7fd34284ec44020c7f7dc7d.jpg?x-oss-process=image)
![YOLOv5实战中国交通标志识别](https://s2.51cto.com/images/avater/202106/3493bcf68d4af4700935513c47854f38ac8409.jpg?x-oss-process=image)
![YOLOv8目标检测实战:训练自己的数据集](https://s2.51cto.com/images/avater/202305/92963de8440d2a5d536942e63867942043cf79.jpg?x-oss-process=image)