当前位置:   article > 正文

Windows编译运行yolov9-bytetrack-tensorrt (C++)_bytetrack的c++代码交叉编译

bytetrack的c++代码交叉编译

1 基础环境

TensorRT 8.6
CUDA 11.8
Eigen 3.3
OpenCV 4.8(CUDA 11.8编译)
Visual Studio 2017 C++17编译器
CMake 3.21.4
Windows 10

2 编译yolov9-bytetrack-tensorrt

(1)下载yolov9-bytetrack-tensorrt源码

项目地址spacewalk01/yolov9-bytetrack-tensorrt

(2)修改CMakeLists.txt

设置opencv、Eigen和tensorrt路径。

# Find Eigen library
#find_package(Eigen3 3.3 REQUIRED)
include_directories(D:/Librarys/eigen-3.3.3)

# Find and include OpenCV
set(OpenCV_DIR "D:/Program Files/opencv/opencv-4.8.0/install")
find_package(OpenCV REQUIRED)
include_directories(${OpenCV_INCLUDE_DIRS})

# Set TensorRT path if not set in environment variables
set(TENSORRT_DIR "D:/Librarys/TensorRT-8.6.1.6")
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

(3)CMake编译

使用VS2017编译器C++17,CUDA用v11.8。
在这里插入图片描述

注意:cuda默认会找环境变量中CUDA_PATH对应的版本,如果opencv是cuda编译的,该cuda版本要一致,避免出错。在这里插入图片描述

3 yolov9模型转换成TensorRT模型

(1)下载yolov9

创建conda环境,下载yolov9代码,并执行以下命令,详细参考前文yolov9训练自己的数据

$ git clone https://github.com/WongKinYiu/yolov9.git
$ cd yolov9
$ conda create --name yolov9 python=3.8
$ pip install -r requirement.txt
  • 1
  • 2
  • 3
  • 4

(2)下载预训练模型

yolov9-c.pt

(3)将模型转换成onnx格式

a. 将TensorRT-YOLOv9目录下的 reparameterize.py放到yolov9目录下,在yolov9目录下执行以下命令,也可以直接官网下载转换好的模型yolov9-c-converted.pt

python reparameterize.py yolov9-c.pt yolov9-c-converted.pt
  • 1

b. 导出onnx模型,在yolov9目录下执行以下命令,生成yolov9-c-converted.onnx

python export.py --weights yolov9-c-converted.pt --include onnx
  • 1

(4)将onnx模型转换成tensorrt格式

D:\Librarys\TensorRT-8.6.1.6\bin目录下执行以下命令:

trtexec.exe --onnx=yolov9-c-converted.onnx --explicitBatch --saveEngine=yolov9-c.engine --fp16
  • 1

4 执行程序

显卡GTX1080,推理时间约50ms。
在这里插入图片描述

参考文章

spacewalk01/yolov9-bytetrack-tensorrt

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/737735
推荐阅读
相关标签
  

闽ICP备14008679号