子项目《deepstream_yolov5》两种引擎(engine)生成方式

本文链接：https://blog.youkuaiyun.com/weixin_46438576/article/details/122864710

本文介绍了在DeepStream中使用yolov5进行目标检测时，通过cfg和wts文件以及tensorrtx项目生成TRT引擎的详细步骤。首先，利用gen_wts_yoloV5.py脚本生成配置文件和权重文件，然后配置deepstream_yolov5的config_infer_primary.txt，最后运行检测程序同时生成TRT引擎。此外，还提供了通过tensorrtx项目生成TRT文件的参考方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

子项目《deepstream_yolov5》两种引擎(engine)生成方式

方式一、通过cfg和wts文件在deepstream中直接生成trt引擎

1.对于CDR-jetson镜像，在root目录下有yolov5源码项目，yolov5文件夹内有`gen_wts_yoloV5.py`文件，执行如下命令可生成`yolov5s.cfg`和`yolov5s.wts`两个文件：

python3 gen_wts_yoloV5.py -w yolov5s.pt

2.将以上生成的两个文件`yolov5s.cfg`和`yolov5s.wts`复制到`/opt/nvidia/deepstream/deepstream-6.0/sources/deepstream_python_apps/apps/deepstream-yolov5`文件夹下，该文件夹下`config_infer_primary.txt`文件内容改成如下所示：

[property]
gpu-id=0
net-scale-factor=0.0039215697906911373
model-color-format=0
custom-network-config=yolov5s.cfg
model-file=yolov5s.wts
model-engine-file=model_b1_gpu0_fp32.engine
labelfile-path=labels.txt
batch-size=1
network-mode=0
num-detected-classes=80
interval=0
gie-unique-id=1
process-mode=1
network-type=0
cluster-mode=4
maintain-aspect-ratio=1
parse-bbox-func-name=NvDsInferParseYolo
custom-lib-path=nvdsinfer_custom_impl_Yolo/libnvdsinfer_custom_impl_Yolo.so
engine-create-func-name=NvDsInferYoloCudaEngineGet

[class-attrs-all]
pre-cluster-threshold=0.25