- 博客(101)
- 收藏
- 关注
原创 001 LLM大模型之Transformer 模型
LLM大模型之Transformer 模型 位置编码 position embedding
2023-12-08 09:41:35
967
10
原创 010 OpenCV中的4种平滑滤波
OpenCV 4种平滑滤波 :blur GaussianBlur medianBlur bilateralFilter
2023-11-24 09:05:48
1419
1
原创 win10下 yolov8 tensorrt模型部署
win10下yolov8 tensorrt加速部署:《TensorRT-Alpha》:https://github.com/FeiYull/TensorRT-Alpha。支持YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, YOLOv3, YOLOX, YOLOR,pphumanseg,u2net,EfficientDet。
2023-02-03 17:01:39
28998
168
原创 linux下 yolov8 tensorrt模型部署
基于TensorRT cuda c++实现模型end2end的gpu加速,支持win10、linux,在2023年已经更新模型:YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, YOLOv3, YOLOX, YOLOR,pphumanseg,u2net,EfficientDet。Windows10教程正在制作,可以关注仓库:https://github.com/FeiYull/TensorRT-Alpha。
2023-01-24 22:35:02
17852
126
原创 Windows 下 YOLO11 Obb 的 TensorRT C++ 部署
本文介绍在Windows下使用TensorRT 10.16与C++部署YOLO11旋转框目标检测模型的完整流程,涵盖环境配置(VS2022、CMake、CUDA 12.9、OpenCV 4.8.1)、工程编译、模型导出(FP32/FP16/INT8)及engine序列化。支持自定义训练模型部署,实测推理单帧仅1.4ms,较Python版本提升约14倍。通过ini配置文件灵活管理参数,可实现多路视频流并发推理与实时显示,适用于高性能工业场景。
2026-11-02 10:41:23
178
原创 Windows 下 YOLO11 Pose 的 TensorRT C++ 部署
本文介绍在Windows下使用TensorRT 10.16与C++部署YOLO11姿态估计模型的完整流程,涵盖环境配置(VS2022、CUDA 12.9、OpenCV 4.8.1)、工程编译、ONNX模型导出(FP32/FP16/INT8)及engine序列化。实测推理单帧仅1.4ms,较Python版本提升约14倍。支持自定义训练模型部署,通过ini配置文件灵活管理参数,实现高效、低延迟的实时姿态检测,适用于多路视频流并发推理场景。
2026-11-01 17:29:54
113
原创 Windows 下 YOLO11 Det 的 TensorRT C++ 部署
本文介绍在Windows下使用TensorRT 10.16与C++部署YOLO11目标检测模型的完整流程,涵盖环境配置(VS2022、CUDA 12.9、OpenCV 4.8.1、TensorRT)、工程编译、模型导出(FP32/FP16/INT8)及engine序列化。实测推理单帧仅1.4ms,较Python版本提升约14倍。支持自定义训练模型部署,通过ini配置文件灵活管理参数,可实现多路视频流并发推理与实时显示,适用于高性能工业级应用。
2026-10-30 12:01:29
157
原创 Windows 下 YOLO26 obb 的 TensorRT C++ 部署
本文详述了在Windows下使用TensorRT 10.16.1.11与C++部署YOLO26OBB模型的全流程,涵盖环境配置(VS2022、CUDA 12.9、OpenCV 4.8.1)、工程编译、ONNX导出(FP32/FP16/INT8)及引擎序列化。实测单帧推理仅1.4ms,较Python版本提速约14倍,且输出结果与PyTorch完全对齐。支持自定义训练模型部署,通过ini配置文件灵活管理参数,适用于高精度、高性能目标检测场景。
2026-10-28 11:08:05
468
原创 Windows 下 YOLO26 Depth 的 TensorRT C++ 部署
本文介绍在Windows下使用TensorRT 10.16与C++部署YOLO26深度检测模型的全流程,涵盖环境配置(VS2022、CUDA 12.9、OpenCV 4.8.1、TensorRT)、工程编译、模型导出(FP32/FP16/INT8)及序列化。实测C++推理单帧仅1.4ms,较Python版本提升约14倍。支持自定义训练模型部署,通过ini配置文件灵活管理参数,实现高效、低延迟的目标检测,适用于多路视频流并发推理场景。
2026-10-27 10:45:41
267
空空如也
请问如何编辑PDF的文字
2023-09-26
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅