wxplol的博客

文章目录1、安装环境2、生成yolov5s.wts文件3、vs2015环境搭建4、TensorRt加速实现1、安装环境CUDA10.2TensorRT7.2OpenCV3.4（工程中已给出，不需安装）vs20152、生成yolov5s.wts文件在生成yolov5s.wts前，首先需要下载模型。同时，需要我们安装ultralytics/yolov5环境。这里可以参考网上其它文章或github教程进行配置安装，这里不详加说明。将tensorrtx-master\yolov5文件夹下的ge

TensorRT能够加速的原因主要有两点，一方面是支持INT8和FP16的计算；另一方面是对网络结构进行了重构和优化。TensorRT支持INT8和FP16的计算深度学习网络在训练时，通常使用 32 位或 16 位数据。TensorRT支持kFLOAT（float32）、kHALF（float16）、kINT8（int8）三种精度的计算，在使用时通过低精度进行网络推理，达到加速的目的。TensorRT对网络结构进行了重构和优化TensorRT对网络结构进行重构，把一些能合并的运算合并在一起，