【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署-Toy模板网

这篇具有很好参考价值的文章主要介绍了【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

本文全文参考文章为 win10下 yolov8 tensorrt模型加速部署【实战】
本文使用的代码仓库为 TensorRT-Alpha

注：其他 Yolov8 TensorRT 部署项目：YOLOv8 Tensorrt Python/C++部署教程

一、前期准备工作

安装Visual Studio 2019或者Visual Studio 2022、Nvidia驱动
安装cuda，cudnn、opencv、tensorrt并进行相应的环境配置，这里不做配置教程

二、属性表的创建

制作属性表的3个步骤：
1. 拷贝include路径
2. 拷贝lib路径，外加设置dll到系统环境变量
3. 拷贝lib文件名称

打开 VS 2019，创建新项目 Yolov8_TensorRT
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

2.1 创建OpenCV属性表

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
如上图将项目设置为 Debug x64 或者 Release x64 模式即可

接着切换到 属性管理器 ，这里以 Release x64 为例，右键选择 添加新项目属性表，命名为 OpenCV_ReleaseX64.props

接下来要对属性表进行编辑，双击建好的属性表，主要编辑内容为：
通用属性 -> VC++目录 -> 包含目录 和 库目录 以及 链接器-> 输入 -> 附加依赖项
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

首先对 包含目录 进行编辑，这里将 OpenCV 头文件路径拷贝进去，并确定
路径如下：

path/to/opencv/build/include
path/to/opencv/build/include/opencv2

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
接下来，对 库目录 进行编辑，将库路径拷贝进去，并确定
路径如下：

path/to/opencv/build/x64/vc15/lib

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
然后对 链接器-> 输入 -> 附加依赖项 进行编辑，将opencv_world460.lib 添加进去
（只需要文件名，不同版本文件名不一样，我OpenCV版本是4.6.0所以这里是460）
该文件本地路径是 opencv/build/x64/vc15/lib/opencv_world460.lib
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
最后点击 应用，确定 即可

结束完这个操作后，Release x64 的 OpenCV 属性表 就配置完成了

实现Debug x64 的 OpenCV 属性表，只需要将最后 链接器-> 输入 -> 附加依赖项 文件名改为 opencv_world460d.lib ，其余操作和上面流程一致

2.2 创建TensorRT属性表

同样在 Release | X64 下右键选择 添加新项目属性表，命名为 TensorRT_X64.props
与 OpenCV属性表 类似，需要编辑的内容为：
通用属性 -> VC++目录 -> 包含目录 和 库目录 以及 链接器-> 输入 -> 附加依赖项

首先对 包含目录 进行编辑，这里将 TensorRT 头文件路径拷贝进去，头文件路径如下：

path/to/TensorRT-8.4.3.1/include
path/to/TensorRT-8.4.3.1/samples/common
path/to/TensorRT-8.4.3.1/samples/common/windows

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
接下来，对 库目录 进行编辑，将库路径拷贝进去
文件路径如下：

path/to/TensorRT-8.4.3.1/lib

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

然后对 链接器-> 输入 -> 附加依赖项 进行编辑，文件名为：

# 文件目录 path/to/TensorRT-8.4.3.1/lib
nvinfer.lib
nvinfer_plugin.lib
nvonnxparser.lib
nvparsers.lib

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

最后，修改 TensorRT属性表：通用属性 ->C/C++ -> 预处理器 -> 预处理器定义 -> 添加指令：_CRT_SECURE_NO_WARNINGS
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
到此，TensorRT属性表配置完成

2.3 创建CUDA属性表

CUDA属性表直接使用官方的，路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\visual_studio_integration\MSBuildExtensions\CUDA 11.6.props

这样，所有的属性表就配置完成了

三、YOLOv8 模型部署

3.1 导出训练权重的 onnx 文件

进入YOLOv8的项目中使用以下命令导出 onnx 文件

 yolo export model=weights/Animal/animal.pt format=onnx dynamic=True simplify=True

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

3.2 使用 TensorRT 编译 onnx 文件

使用以下命令对onnx文件进行编译

D:/TensorRT-8.4.3.1/bin/trtexec.exe --onnx=./weights/Animal/animal.onnx --saveEngine=./weights/Animal/animal.trt --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

3.3 编译运行

先下载 TensorRT-Alpha

git clone https://github.com/FeiYull/TensorRT-Alpha.git

3.3.1设置项目文件

将 TensorRT-Alpha/yolov8 中选中的文件拷贝到项目的 源文件 中
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
将TensorRT-Alpha/utils 中选中的文件拷贝到项目的 头文件 中

最后将TensorRT-8.4.3.1/samples/common 下的 logger.cpp、sampleOptions.cpp 文件拷贝到项目的 资源文件 中
接下来设置 生成依赖项，选择 CUDA 11.6（若没有，见下文 遇到的问题 中有解决方案）
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

然后设置 NVCC 编译 .cu及其对应头文件
选择下图中框选的文件右键 属性->项类型 更改为 CUDA C/C++ ，然后点击应用、确定即可

最后，右键 Yolov8_TensorRT -> 属性 -> 配置属性 -> 高级 -> 字符集，设置为 未设置
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
接着点击 生成 -> 生成解决方案，直到成功
（这里可能会出现问题： 由于找不到 opencv_world460d.dll, 无法执行代码，重新安装程序可能会解决此问题，见下文 遇到的问题 中有解决方案）
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
上述所有步骤都成功完成后，即可设置命令行参数，编译运行啦

3.3.2 编译运行

运行前先修改为自己的 类别数和类别名
类别数 在 app_yolov8.cpp 中修改
类别名 在 utils.h 中修改
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

使用如下命令进行图像的推理

--model=E:/Git_Projects/ultralytics/weights/Animal/animal.trt --size=640 --batch_size=1  --img=E:/Data/Animal/27.jpg  --savePath=E:/Data/Animal/Animal_27 # --show

右键项目 -> 属性 -> 属性配置 -> 调试 -> 命令参数，将上述命令添加进去
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
最后，点击 本地Windows调试器 即可

命令行推理

# 推理图片
./Yolov8_TensorRT.exe --model=path/to/xxx.trt --size=640 --batch_size=1 --img=path/to/xxx.jpg --show --savePath=path/to/xxx
./Yolov8_TensorRT.exe --model=path/to/xxx.trt --size=640 --batch_size=8 --img=path/to/xxx.jpg --show --savePath=path/to/xxx

# 推理视频
./Yolov8_TensorRT.exe --model=path/to/xxx.trt --size=640 --batch_size=8 --video=path/to/xxx.mp4 --show --savePath=../

# 在线推理相机视频
./Yolov8_TensorRT.exe --model=path/to/xxx.trt --size=640 --batch_size=2 --cam_id=0  --show

## 1280
# infer camera
./Yolov8_TensorRT.exe --model=path/to/xxx.trt --size=1280 --batch_size=2 --cam_id=0  --show

四、推理效果

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

五、可能遇到的问题

5.1 在对项目设置生成依赖项，未出现 CUDA 版本选项

【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
解决方法：
将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\visual_studio_integration\MSBuildExtensions 下的4个文件全部复制到
C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations 即可解决问题
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

5.2 由于找不到 opencv_world460d.dll,无法执行代码，重新安装程序可能会解决此问题

解决方法：
将 opencv 安装路径 path/to/opencv/build/x64/vc15/bin 中所有后缀是 .dll 的应用程序扩展复制到 C:/Windows/System32 中，即可解决
【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署文章来源地址https://www.toymoban.com/news/detail-515101.html