Skip to content

Latest commit

 

History

History
 
 

example-simple_yolo

README.md

Simple YoloV5/YoloX

  • 更加容易集成的YoloV5/YoloX实现
  • 仅依赖官方的tensorRT，无第三方依赖，也没有复杂的封装
  • 只有hpp和cu两个文件

YoloV5

  • 请在export.py中修改onnx导出时dynamic维度只有batch，去掉images部分的width和height，以及output部分的anchors，只保留batch: -1
  • 然后执行跟主项目一样的修改方式
  • 再执行导出onnx，并启用--dynamic选项，使得导出的onnx时动态batch。至此导出的onnx即可被这个项目接受
  • 如果失败，请对比自动下载的onnx的头部和结尾部分是否一样，保证一样后才能推理正常
  • YoloV5的导出命令：
python export.py --imgsz=640 --weights=yolov5s.pt --include=onnx --dynamic

YoloX

  • 请按照主项目一样的要求修改yolox代码
  • 然后执行导出指令，加上dynamic选项，如下：
#这一句使得当前yolox能够找到
export PYTHONPATH=$PYTHONPATH:.
python tools/export_onnx.py --output-name=yolox_s.onnx --no-onnxsim --exp_file=exps/default/yolox_s.py --ckpt=yolox_s.pth --dynamic
  • 如果失败，请对比自动下载的onnx是否与你导出的一致，不一样不能保证推理结果正常

运行

  • 按照主项目配置Makefile或者CMakeLists.txt，然后make run -j64即可

关于Reisze报错

  • 如果你是7.x，通常会提示onnx解析的resize无法解析报错，此时考虑用workspace/fix_trt7.0_resize.py把resize改为upsample即可正常运行