tecsai的博客

我们在YOLOv10初探第一课中，已经涉及到了一些关于如何训练自己数据集的信息，接下来本节将以VOC数据集（VOC标注形式）来更详细的带领小伙伴们走一遍训练。

我们在前面已经讲过很多关于YOLOv10的一些知识点，也简单理了一下如何训练自己的数据。 现在本篇文章主要是讲解一下如何在TensorRT中部署YOLOv10，相信经过这一步，各位小伙伴已经能够无限的接近于将YOLOv10产品化了。 另一个需要说明的是，本文中所述的TensorRT部署并不是基于ONNX中转方法的部署，而是通过基于INetworkDefinition的手动构建网络进行部署，这种方式能过使得我们对网络有一个较为清晰的了解和认识。

YOLOv10几乎完美继承了YOLOv8的Loss计算方法，不同点就是YOLOv8只需要计算一次的，YOLOv10需要计算两次。究其原因，就是YOLOv10采用了双标签分配策略。

YOLOv10的代码结构和YOLOv8很相似，说是基于YOLOv8魔改的也不为过。话说回来，也算是魔改的非常成功的了。从代码工程上看，也是通过类一层层继承，获得一个完整的模型网络。

很多人YOLOv9还没有完全研究透，YOLOv10出来了。 惊不惊喜，意不意外！ 据论文里提到，YOLOv10就是为了加速推理，在保证精度的同时，降低参数量，减小计算量。就冲这，还没有研究YOLOv9的同学们，直接跳过吧。