Jetson AGX Orin 下TensorRT-Alpha模型部署及YOLOv8 C++部署

原创 2024-03-04 13:48:38 3.8k 阅读 AI写同款

浪里肥鱼

码龄7年墨衍会员 · AI 创作全网分发

971粉丝10篇原创

关注

Jetson AGX Orin上部署YOLOv5_v5.0+TensorRT8 阅读详情

AI摘要

本文详细介绍了在Jetpack5.1.2环境下，使用CUDA11.4、Cudnn8.6.0、TensorRT8.5.2以及OpenCV4.5部署Yolov8模型（包括TensorRT-Alpha模型下载、设置TensorRT根目录、ONNX转换和TensorRT优化）的过程，包括具体步骤和环境配置，适合对Jetson平台有需求的开发者参考。

1、系统环境：

Jetpack5.1.2、CUDA11.4、Cudnn8.6.0、Tensorrt8.5.2、OpenCV4.5

主要参考链接：Jetson Xavier NX 下 yolov8 tensorrt模型部署（Jetpack5.1.2、CUDA11.4、Cudnn8.6.0、Tensorrt8.5.2）_yolov8在jetson上部署-优快云博客

2、TensorRT-Alpha模型下载：

下载链接：GitHub - FeiYull/TensorRT-Alpha: 🔥🔥🔥TensorRT for YOLOv8、YOLOv8-Pose、YOLOv8-Seg、YOLOv8-Cls、YOLOv7、YOLOv6、YOLOv5、YOLONAS......🚀🚀🚀CUDA IS ALL YOU NEED.🍎🍎🍎

3、TensorRT-Alpha模型部署：（yolov8为例）

设置TensorRT根目录（安装目录）路径:

git clone https://github.com/FeiYull/tensorrt-alpha
cd tensorrt-alpha/cmake
vim common.cmake。
# 把common.cmake文件第20行中的TensorRT_ROOT修改成您的TensorRT安装目录。例如改成如下:
# set(TensorRT_ROOT /home/feiyull/TensorRT-8.4.2.4)

其中Jetson板子中的tensorrt默认路径为/usr/src/tensorrt

4、Yolov8 C++模型部署（参考官网）：

a、转为onnx模型

step1 # install yolov8
conda create -n yolov8 python==3.8 -y # for Linux

step2 # 
conda activate yolov8
pip install ultralytics==8.0.5
pip install onnx==1.12.0
pip install onnx-simplifier==0.4.8

step3 #切换到ultralytics包目录
cd home/nvidia/miniforge-pypy3/envs/yolov8/lib/python3.8/site-packages/ultralytics

step4 # download offical weights(".pt" file)
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8s.pt

step5 #创建转换脚本：yolo.py 具体内容如下：
from ultralytics import YOLO
# Load the YOLOv8 model
model = YOLO('yolov8s.pt')
# Export the model to ONNX format
model.export(format='onnx')  # creates 'yolov8s.onnx'
# Load the exported ONNX model
onnx_model = YOLO('yolov8s.onnx')
# Run inference
results = onnx_model('https://ultralytics.com/images/bus.jpg')

# ultralytics包使用参考链接 https://docs.ultralytics.com/zh/integrations/onnx/#common-usage-of-onnx


step6 #执行脚本 在当前目录下获得onnx文件
python3 yolo.py


# 或者直接下载onnx模型，https://share.weiyun.com/3T3mZKBm

b、使用tensorrt转换onnx文件为trt文件

#将上一步导出的onnx文件放在刚才在开发板上git的tensorrt-alpha/data/yolov8文件夹下

$ cd /tensorrt-alpha/data/yolov8

#声明使用到的tensorrt路径
$ export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/src/tensorrt

$ /usr/src/tensorrt/bin/trtexec --onnx=yolov8s.onnx --saveEngine=yolov8s.trt --minShapes=images:1x3x640x640 --optShapes=images:2x3x640x640 --maxShapes=images:4x3x640x64

5、cmake

$ cd tensorrt-alpha/yolov8
$ mkdir build
$ cd build
$ cmake ..
$ make -j10

这是由于tensorrt版本过高导致，tensorrt8.4版本可能不会出现以上错误。
我板子上使用的是tensorrt8.5.2，这个版本tensorrt下的sampleOptions.cpp文件中未定义splitToStringVec函数会出现以上错误。所以需要进行以下修改
首先进入到/usr/src/tensorrt/samples/common文件夹下，打开终端，执行如下命令

$ sudo vim sampleUtils.h

Esc + i 插入

Esc + shift + wq 保存退出

在第77行可以看到关于splitToStringVec函数的一个声明，但并未定义，所以将它注释掉，如下所示：

// std::vector<std::string> splitToStringVec(std::string const& option, char separator);

之后保存退出（Esc + shift: + wq）,打开sampleOptions.cpp文件，将splitToStringVec函数的定义添加在这

$ sudo vim sampleOptions.cpp

#在文件的38行，也就是namespace中添加如下代码

std::vector<std::string> splitToStringVec(const std::string& option, char separator)
{
std::vector<std::string> options;

    for (size_t start = 0; start < option.length();)
    {
        size_t separatorIndex = option.find(separator, start);
        if (separatorIndex == std::string::npos)
        {
            separatorIndex = option.length();
        }
        options.emplace_back(option.substr(start, separatorIndex - start));
        start = separatorIndex + 1;
    }

return options;
}

之后保存退出，再一次编译，就成功啦。