『深度应用』YoloV5 RTX2080Ti TX2 Nano AGX TensorRT与PyTorch速度对比

最新推荐文章于 2025-02-14 19:32:43 发布
置顶 最新推荐文章于 2025-02-14 19:32:43 发布
阅读量5.2k 收藏 13
点赞数 4
分类专栏： 开发技巧 简明AI·深度学习应用工程化之路 文章标签： 深度学习 pytorch tensorrt
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/xiaosongshine/article/details/107937674
版权
本文对比了YoloV5在RTX2080Ti GPU上使用PyTorch和TensorRT的推理速度，以及在i7-8700 CPU、TX2和Nano AGX上的性能。结果显示，RTX2080Ti相对于CPU有35倍加速，TensorRT进一步提升速度1倍并降低GPU占用。对于端测设备，速度提升显著但不及2080Ti。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

欢迎大家关注小宋公众号《极简AI》带你学深度学习：

基于深度学习的理论学习与应用开发技术分享，笔者会经常分享深度学习干货内容，大家在学习或者应用深度学习时，遇到什么问题也可以与我在上面交流知无不答。

出自优快云博客专家&知乎深度学习专栏作家@小宋是呢

1.概述

1517972547350

 

更新：增加在英伟达TX2平台的测试速度，TX2平台平均耗约42ms，相较于RTX2080Ti速度慢了7倍（42ms/6msÿ

了解本专栏 订阅专栏 解锁全文
Jetson Nano配置YOLOv5并实现实时目标检测
KrbwCoder的博客
09-17 870
通过按照上述步骤配置YOLOv5并实现实时目标检测，你可以在Jetson Nano上进行强大的目标检测任务。记得在运行之前确保你已经正确安装了Jetson Nano和YOLOv5的依赖项，并下载了适当的权重文件。指定了使用的权重文件，你可以根据需要选择不同的权重文件，例如yolov5m.pt或yolov5l.pt。现在，我们可以使用修改后的代码运行带FPS显示的目标检测。在虚拟环境中，我们需要安装YOLOv5所需的Python依赖项。在运行YOLOv5之前，我们需要下载预训练的权重文件。
【Jeston Nano】环境配置-部署yolov5
weixin_45768644的博客
07-18 2023
嵌入式部署
yolov5使用2080ti显卡训练是一种什么样的体验我通过vscode搭建linux服务器对python-yolov5-4.0项目进行训练，零基础小白都能看得懂的教程。＞＞＞＞＞＞＞＞＞第二章番外篇
优快云1621564706的博客
03-30 2716
使用vscode搭建linux服务器对python-yolov5-4.0项目进行训练，零基础小白都能看得懂的教程。YOLOv5搭建的最快搭建方式，踩坑经历详谈# 前期准备：功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 # 前期准
小白也能使用yolov5训练自己的数据集实现目标检测
weixin_54186806的博客
02-14 1997
由于本人也是刚刚入门深度学习的行列，对很多理论知识的了解还不够深入，对yolov5的原理只能简单介绍一下，然后大家如果有什么问题，欢迎在评论区里留言或者私信我，我看到之后会很快恢复，希望大家能够一起进步，也欢迎大家关注我，方便交流。（该流程同时适用于ubuntu系统或者windows）下载好之后的文件分布是这样的然后我们打开data这个文件。
2080TI Ubuntu18.04 torch1.8保姆级yolov5运行环境搭建
AI小生~小陶的博客
03-07 699
2080 TI Ubuntu18.04 torch1.8保姆级yolov5运行环境搭建
jetson nano 配置yolov5
梦想是要有的，万一实现了呢！
06-16 4075
一、搭建miniconda环境，参考前面文章二、配置CUDA（当前使用ssh终端连接)sudo vi ~/.bashrc添加： 保存，退出 三、修改开发板显存执行： 修改nvzramconfig.sh文件 修改文件中 重起nano。sudo reboot free -h 四、配置torch环境 conda create -n yolov5 python=3.6 -yconda activate yolov5pip install Cython下载torch http://nvi
Jetson Nano配置YOLOv5并实现FPS=25
热门推荐
carrymingteng的博客
10-26 1万+
Jetson Nano配置YOLOv5并实现FPS=25的实时检测 文章目录Jetson Nano配置YOLOv5并实现FPS=25的实时检测一、版本说明二、修改Nano板显存1.打开终端输入：2.修改nvzramconfig.sh文件3.重启Jetson Nano4.终端中输入：三、配置Pytorch1.81.下载torch-1.8.0-cp36-cp36m-linux_aarch64.whl2.安装所需的依赖包及pytorch四、搭建yolov5环境五、利用tensorrtx加速推理1.下载tensor
yolov5 rtx2050
08-14
- *1* *2* *3* [『深度应用』YoloV5 RTX2080Ti TX2 Nano AGX TensorRT与PyTorch速度对比](https://blog.youkuaiyun.com/xiaosongshine/article/details/107937674)[target="_blank" data-report-click={"spm":"1018.2226....
win10+rtx4070ti深度学习环境（cuda 11.7、cudnn8.6.0、libtorch1.13.1+cu117）
02-14
这里我们关注的是在Windows 10操作系统上使用NVIDIA RTX 4070 Ti显卡进行深度学习开发和C++部署的情况。RTX 4070 Ti是NVIDIA Ampere架构的高端显卡，具有强大的并行计算能力，非常适合执行计算密集型的深度学习任务...
工业级应用：YOLOv11模型INT8量化与TensorRT加速部署实战.pdf
最新发布
02-17
软件方面，需要安装与GPU兼容的CUDA版本，对应的cuDNN库，TensorRT，以及Python 3.7或更高版本的深度学习框架如PyTorch。安装依赖库时，需要使用pip命令安装torch、torchvision、onnx和onnxruntime等Python库。 ...
jetson nano部署yolov5
a1691125058的博客
07-09 5378
记录下，这一学期踩的坑，总结出来的经验
在英伟达 jeason nano配置yolov5
laoli_的博客
12-07 1927
伟达 jeason nano配置yolov5
Jetson Nano部署YOLOv5与Tensorrtx加速
君莫笑的博客
12-01 5997
Jetson Nano部署YOLOv5与Tensorrtx加速
Jetson nano搭载YOLOv5
j556677的博客
09-16 1834
安装记录
【yolo】Jetson nano p3450 开发板部署YOLOv5模型（补充及注意事项）
Zimu的博客
04-25 1642
Jetson nano上的Linux其实不是x86架构,而是类似手机的ARM架构，这也就导致它的很多包和普通的Linux上的不是通用的。也是踩过的坑之一，pytorch官网下载的包，在实际使用时无法调用开发板的显卡（这是个大问题，失去显卡的开发板算力暴跌！这里的PyTorch以及接下来的torchvision等包都需要安装Nvidia官网给出的版本。PyTorch和torchvision版本是需要对应的，上一步下载的那个正好是对应的。
jetson nano配置yolov5（超详细）
educth的博客
05-24 5850
本文是本人经过无数踩坑之后做出的总结。
Jetson nano跟着教程无脑部署YOLOV5
weixin_64632926的博客
10-31 2292
无脑跟着教程走，非常详细
Jetson nano配置环境、部署yolov5-seg全过程
weixin_65871476的博客
01-10 1981
在Jetson Nano上从零开始部署自己的yolov5-seg项目，并实现FPS=42，
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小宋是呢

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值