Qt+CUDA+TensorRT:基于Qt+CUDA+TRT+WIN10的图像分类

本文详细介绍了如何在Qt环境下结合CUDA和TensorRT进行图像分类的实践,包括环境配置、ResNet18模型的搭建与训练,以及最后在Qt应用中部署CUDA和TensorRT的步骤。

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

之前在写CUDA程序,TRT程序大多是基于VS上,比如之前写的很多程序都是基于vs2019,在windows上大家可以很快乐的在vs上进行配置,还可以快乐的使用界面,但是在linux上没有vs了,可以使用cmake去编译一些,但是对于有些同学可能不太适应,linux上用到最多的可能就是Qt了,毕竟跨平台。那么接下来我们讲解如何在QT里面如何使用CUDA+TensorRT+OpenCV。

目录

1、环境配置

2、ResNet18图像分类

2.1、数据准备

2.2、模型搭建 

2.3、训练

 3、基于Qt+CUDA+TensorRT的部署

3.1 pro文件

3.2 main.cpp

3.3 结果


1、环境配置

环境:QT5.9 + CUDA10.2 + TensorRT7.0 + OpenCV4.0

2、ResNet18图像分类

ResNet是一种基于跳跃连接的深度残差网络算法。根据该算法提出了18层、34层、50层、101层、152层的ResNet-18、ResNet-34、ResNet-50、ResNet-101和、ResNet-152等模型,甚至成功训练出层数达到1202层的超深的神经网络结构。

实际中,单纯的增加网络的深度,网络会变得越来越难训练,而且精度会达到饱和,这主要是由于两种问题造成的:1、梯度弥散

评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

Mrs.Gril

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
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