2023-03-21如何对优化（已改变网络结构）的YOLO模型进行tensorrt模型转换？

提示：之前写过一篇如何将自己训练的yolo模型转化为tensorrt相关的模型，该yolo模型采用的是原始的网络结构，没有做任何改变，所以相关的转换过程只需要按部就班就行，改一些固定参数就行，详情可参考链接：https://blog.youkuaiyun.com/LJ1120142576/article/details/127614612，今天写的方法是在之前的基础上进行，是对优化之后的yolo模型，特别是网络结构和激活函数都有一定改变的yolo模型，下面开始介绍具体的方法（以yolov3-tiny模型的优化为主）

1. yolov3-tiny优化的关键点

1）将leaky激活函数改为mish
注意：但是tensorrt不支持mish激活函数，所以后面需要想办法实现mish激活函数
2）在yolov3-tiny的网络中添加1x1卷积网络，增加深度的同时减少计算量
详细的网络结构图可参考下图
该图是通过netron软件打开.cfg文件实现的，netron网页版链接：https://netron.app/

2. 对优化的yolov3-tiny进行tensorrt相关模型（.trt）转换

1）将yolov3-tiny.pt转换为.wts模型
该步骤和https://blog.youkuaiyun.com/LJ1120142576/article/details/127614612中的内容一样，没有任何改变，可参考该篇内容进行操作
2）将.wts模型转换为.trt模型
该部分的操作和https://blog.youkuaiyun.com/LJ1120142576/article/details/127614612的步骤也一致，但是在执行这些步骤之前需要对yolov3-tiny.cpp文件进行修改，主要修改激活函数和网络结构那一部分，下面我一步一步说明
①激活函数mish的实现
由下图可以看到tensorrt并不支持mish函数，那么如何实现mish函数呢