TensorRT_pro环境配置

VS2022、CUDA及相关库安装参考
原创 已于 2024-10-12 18:34:21 修改 · 245 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#c++

于 2024-09-22 10:16:05 首次发布
部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Deepcong
关注
Jetson Nano 配置tensorRT_Pro环境
qq_51607131的博客
07-13 2647
详解tensorRT的高性能部署方案，并附有强大的yolov5、yolox、retinaface、arcface、scrfd、deepsort、alphapose的高性能实现，低耦合，哪来即可用，集成到项目中。
TensorRT_Pro_YOLO_CenterNet.zip
08-12
yolo5+centernet
探秘TensorRT Pro：高性能深度学习推理加速神器
最新发布
gitblog_00051的博客
11-13 692
是一个由开源社区维护的、基于NVIDIA TensorRT的高级版本，旨在提供更强大、更易用的深度学习推理优化工具。TensorRT本身是NVIDIA开发的一款SDK，专注于提高深度学习模型在GPU上的运行速度和效率，而TensorRT Pro则在此基础上进行了增强，增加了更多的功能和示例，以满足开发者对于性能极致追求的需求。 ## 技术分析 1. **性能优化**：TensorRT Pro通
TensorRT_Pro项目教程：高性能深度学习推理框架解析与应用指南
gitblog_00932的博客
11-13 343
TensorRT_Pro是一个基于NVIDIA TensorRT 8.0构建的高性能深度学习推理框架，提供了C++和Python的高级接口。该项目专注于简化TensorRT在实际工业场景中的应用，特别针对计算机视觉任务进行了深度优化，支持Yolo系列（V3/V5/V7/X）、RetinaFace、Scrfd、Arcface、AlphaPose等多种模型的高效部署。 ## 核心特性 1. **简
tensorRT_Pro 项目实践
博观约取，厚积薄发
08-12 1334
使用 tensorrt 部署模型
【深度学习模型高效部署】tensorRT_Pro深度解读：部署深度学习模型的高效方案
人工智能(AI)技术，大模型技术，深度学习，机器学习，计算机视觉，AI工具实践应用等分享
03-08 1122
​ 以下内容将对 tensorRT_Pro 项目做一个系统的介绍，包括其核心价值、主要功能、应用案例以及关键的示例代码（附详细解释），帮助你快速了解并上手如何基于 TensorRT 在 NVIDIA GPU 上实现高性能推理。 ​
此存储库基于shouxieai_tensorRT_Pro，并进行了调整以支持YOLOv。_This repository
09-02
他们不再需要深入了解底层的模型优化细节，只需在shouxieai_tensorRT_Pro的框架下进行必要的配置和调整，即可利用TensorRT的优势来提高模型的运行效率。这不仅缩短了从研究到产品的时间，也为深度学习应用的商业化...
shouxieai/tensorRT_Pro/
01-14
#### 开发环境配置指南 为了顺利地参与到该项目当中，建议先安装好 Python 和必要的依赖包如 PyTorch 或 TensorFlow 等框架来加载预训练模型文件。同时还需要下载并设置 CUDA 工具链以及 cuDNN 库以便支持 GPU 加速...
严重性 代码 说明 项目 文件 行 禁止显示状态 错误 MSB3722 命令“"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin\nvcc.exe" -gencode=arch=compute_52,code=\"sm_52,compute_52\" --use-local-env -ccbin "C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.29.30133\bin\HostX86\x86" -x cu -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include" -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include" -G --keep-dir Debug -maxrregcount=0 --machine 64 --compile -cudart static -g -DWIN32 -D_DEBUG -D_CONSOLE -D_UNICODE -DUNICODE -Xcompiler "/EHsc /W3 /nologo /Od /FS /Zi /RTC1 /MDd " -Xcompiler "/FdDebug\vc142.pdb" -o D:\vsproject\tensorrt_pro\Debug\yolo_decode.cu.obj "D:\vsproject\tensorrt_pro\src\application\app_yolo\yolo_decode.cu"”已退出，返回代码为 5。请验证您是否拥有运行此命令的足够权限。 tensorrt_pro C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations\CUDA 12.1.targets 799
03-13
检查环境变量与项目配置 - **原因**：CUDA 路径配置错误可能导致权限冲突。 - **操作**： 1. 确认环境变量 `CUDA_PATH` 指向正确的 CUDA 版本（如 `v8.0`）。 2. 在 Visual Studio 中，检查项目属性 → CUDA C/...
命令“"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin\nvcc.exe" --use-local-env -ccbin "C:\Program Files\Microsoft Visual Studio\2022\Community\VC\Tools\MSVC\14.43.34808\bin\HostX64\x64" -x cu -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include" -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include" -G --keep-dir simple_yolo\x64\Debug -maxrregcount=0 --machine 64 --compile -cudart static -g -D_DEBUG -D_CONSOLE -D_UNICODE -DUNICODE -Xcompiler "/EHsc /W3 /nologo /Od /FS /Zi /RTC1 /MDd " -Xcompiler "/Fdbuild\x64\Debug\vc143.pdb" -o C:\Users\Administrator\Desktop\xj\tensorRT_Pro-main\example-simple_yolo\simple_yolo\x64\Debug\simple_yolo.cu.obj "C:\Users\Administrator\Desktop\xj\tensorRT_Pro-main\example-simple_yolo\src\simple_yolo.cu"”已退出，返回代码为 1。
03-10
2. **环境配置依赖** CUDA编译需要与Visual Studio的C++组件严格匹配，包括`cl.exe`编译器和相关库路径[^3]。 --- ### 二、解决方案步骤 #### 方法1：强制允许不支持的编译器 在`nvcc`命令中添加`-allow-...
TensorRT-CenterNet-Tensorrt5，CenterNet，CenterFace-Python开发
05-25
TensorRT-CenterNet-tensorrt5，centernet，中心面TensorRT-CenterNet演示（GT 1070）ctdet_coco_dla_2x centerface cthelmet性能模型input_size GPU模式推断时间mobilenetv2 512x512 gtx 1070 float32 3.798ms mobilenetv2 512x512 gtx 1070 int8 1.75ms 1070 float32 24ms dla34 512x512 gtx 1070 int8 19.6ms dla34 512x512 jetson TX2 fp32 209ms dla34 512x512 jetson TX2 fp16 186ms dla34v0 512x512 gtx 1070 float32 12.6ms dla34v0 512x512 gtx
ARM NX上使用TensorRT进行YOLOV5部署（包括tensorRT_PRO库环境配置+yolov5+推理部署）
weixin_50341082的博客
04-23 2045
文章介绍如何在ARM架构下对YOLOV5进行TensorRT加速部署
探索TensorRT Pro：高性能深度学习推理优化工具
gitblog_00043的博客
04-01 321
探索TensorRT Pro：高性能深度学习推理优化工具 项目，则是对TensorRT的专业进阶教程和代码评论，它提供了一个深入理解和实践TensorRT的强大资源。 项目简介 该项目由Guanbin Huang维护，包含了TensorRT Pro的详细教程、示例代码以及详细的注释，旨在帮助开发者更好地掌握如何利用TensorRT优化神经网络模型的推理速度。通过这些资源，你可以了解如何构建高效的深...
编写tensorrt、cuda相关的qt .pro文件
ngsford的博客
02-07 1083
#------------------------------------------------- # # Project created by QtCreator 2020-11-22T16:30:25 # #------------------------------------------------- QT += core gui greaterThan(QT_MAJOR_VERSION, 4): QT += widgets CONFIG += c++14 # You can .
引领高性能视觉推理新纪元：tensorRT_Pro-YOLOv8 开源项目揭秘
gitblog_00014的博客
06-14 529
在这个数字时代，深度学习和计算机视觉应用正以前所未有的速度改变着我们与世界的互动方式。为了满足不断增长的计算需求，**TensorRT_Pro-YOLOv8** 项目应运而生。它不仅仅是对 **ShouxieAI's TensorRT_Pro** 工作的继承与发展，更是针对 **YOLOv8** 及其衍生版本的一次全方位升级。通过集成最新的优化技术和高级API，这个项目使得开发人员能够轻松部署一系...
Jetson Orin arm64架构搭建手写AI tensorRT_Pro项目环境
weixin_42855362的博客
03-17 3273
Jetson Orin arm64架构搭建手写AI tensorRT_Pro项目环境
Rust小技巧 - 通过FFI编程运行tensorrt模型
zjuPeco的博客
06-10 1697
使用rust的FFI编程来调用tensorrt_pro
Jetson嵌入式系列模型部署-3
周同学的博客
08-17 6541
Jetson嵌入式系列模型部署
【protobuf】win10 C++版编译
种一棵树最好的时间是十年前，其次是现在
10-13 437
（4）”链接器 - 输入 - 附加依赖项”，新增 “libprotobufd.lib;按照说明，打开命令行工具:x64 Native Tools Command Prompt for VS 2022（本机安装的是17 vs2022 ）（1）“C/C++ - 常规 - 附加包含目录”，新增 “\install\include”；（3）“链接器 - 常规 - 附加库目录”，新增 ”\install\lib”；tensorRT_Pro-main的运行要使用到protobuf-3.11.4。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值