win10下 yolov8 tensorrt模型加速部署【实战】

win10下 yolov8 tensorrt模型加速部署【实战】 Windows10下yolov8 tensorrt模型加速部署【实战】

推荐整理分享win10下 yolov8 tensorrt模型加速部署【实战】，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助，希望把文章链接给更多的朋友！

TensorRT-Alpha基于tensorrt+cuda c++实现模型end2end的gpu加速，支持win10、linux，在2023年已经更新模型：YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, YOLOv3, YOLOX, YOLOR,pphumanseg,u2net,EfficientDet。 关注仓库《TensorRT-Alpha》：https://github.com/FeiYull/TensorRT-Alpha Linux tensorrt yolov8保姆教程: https://blog.csdn.net/m0_72734364/article/details/128758544

一、加速结果展示1.1 性能速览

🚀快速看看yolov8n 在移动端RTX2070m(8G)的新能表现：

modelvideo resolutionmodel input sizeGPU Memory-UsageGPU-Utilyolov8n1920x10808x3x640x6401093MiB/7982MiB14%

下图是yolov8n的运行时间开销，单位是ms：

更多TensorRT-Alpha测试录像在B站视频： B站：YOLOv8n B站：YOLOv8s

1.2精度对齐

下面是左边是python框架推理结果，右边是TensorRT-Alpha推理结果。

yolov8n : Offical( left ) vs Ours( right )

yolov7-tiny : Offical( left ) vs Ours( right )

yolov6s : Offical( left ) vs Ours( right )

yolov5s : Offical( left ) vs Ours( right )

YOLOv4 YOLOv3 YOLOR YOLOX略。

二、Windows10环境配置

三步解决win环境配置：

1、安装vs2019、Nvidia驱动、cuda，cudnn、opencv、tensorrt；2、创建属性表；3、工程设置，运行； 问题：为什么使用vs2019属性表，而不用cmake？ 回答：因为属性表可以做到：一次创建，到处使用。 提示：如果您一定需要使用cmake+vs2019 or cmake + clion，请参考附录，这是一位热心观众的方法，供参考。2.1 安装VS2019

需要Microsoft账号，如果您有别的途径下载安装也可以。

进入：https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/选择：[2019] -> [下载]在新页面选择： Visual Studio Community 2019 (version 16.11)下载完成之后安装过程选择如下图： 重启系统2.2 安装库

注：Nvidia相关网站需要注册账号。

2.2.1 安装Nvidia显卡驱动进入： https://www.nvidia.cn/Download/index.aspx?lang=cn#依据实际情况选择，如下图是我的选择(for RTX3070)： 选择：[搜索]->[下载] ->[双击默认安装] -> [重启系统] -> [进入cmd]，输入如下指令：nvidia-smi

看到如下信息表明驱动正常：

2.2.2 安装 cuda11.2进入: https://developer.nvidia.com/cuda-toolkit-archive选择：CUDA Toolkit 11.2.0 (December 2020)选择：[Windows] -> [x86_64] -> [10] -> [exe(local)] -> [Download(2.9GB)]双击安装，重启在cmd窗口输入如下指令：nvcc -V

CMD窗口打印如下信息表示cuda11.2安装正常

nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2020 NVIDIA CorporationBuilt on Mon_Nov_30_19:15:10_Pacific_Standard_Time_2020Cuda compilation tools, release 11.2, V11.2.67Build cuda_11.2.r11.2/compiler.29373293_0

note:cuda11.2 不需要手动设置环境变量，如下图，环境变量都是自动设置的。

2.2.3 安装 cudnn8.2.1进入网站：https://developer.nvidia.com/rdp/cudnn-archive选择： Download cuDNN v8.2.1 (June 7th, 2021), for CUDA 11.x选择： cuDNN Library for Windows (x86)你将会下载这个压缩包: “cudnn-11.3-windows-x64-v8.2.1.32_2.zip”解压之后，cudnn的头文件、库文件都要拷贝到cuda安装目录。如下图，进入cudnn解压所在文件夹中include，拷贝所有头文件，粘贴到CUDA/v11.2/include中lib、bin中的文件也拷贝到对应cuda目录中重启系统 2.2.4 下载 tensorrt8.4.2.4进入网站： https://developer.nvidia.cn/nvidia-tensorrt-8x-download把这个打勾： I Agree To the Terms of the NVIDIA TensorRT License Agreement选择: TensorRT 8.4 GA Update 1选择: TensorRT 8.4 GA Update 1 for Windows 10 and CUDA 11.0, 11.1, 11.2, 11.3, 11.4, 11.5, 11.6 and 11.7 ZIP Package你将会下载这个压缩包: “TensorRT-8.4.2.4.Windows10.x86_64.cuda-11.6.cudnn8.4.zip”解压到F:\ThirdParty，并重命名为：TensorRT-8.4.2.4并将路径"F:\ThirdParty\TensorRT-8.4.2.4\lib"添加到环境变量，如下图：重启系统 2.2.5 OpenCV4.5.5安装进入：https://opencv.org/releases/选择：[OpenCV – 4.5.5] -> [Windows]下载完成之后，是一个exe的自解压格式，解压到：D:\ThirdParty并将路径：“D:\ThirdParty\opencv4.5.5\build\bin” 和 "D:\ThirdParty\opencv4.5.5\build\x64\vc15\bin"添加到环境变量，如下图：重启系统 note：我的opencv在D盘，tensorrt在E盘，根据实际情况修改就行了。 2.3 创建属性表

一般地，Visual Studio 2019，一个库对应两个属性表文件，分别对应：vs2019的debug模式和release模式，例如：本文中OpenCV创建了这两种。而TensorRT和CUDA只需要创建一种属性表(适用以上两种模式)。

2.3.1 创建OpenCV属性表

创建opencv库debug属性表：

step1：基于VS2019随便新建一个C++项目，如下图，项目设置为Debug、X64模式 step2：如下图，选择：[属性窗口] -> [右击Debug|x64] -> [添加新项目属性表] step3：文件命名为：OpenCV4.5.5_DebugX64.props -> [添加]编辑属性表：[如下图：双击属性表] step4：如下图，选择：[通用属性] -> [VC++目录] -> [包含目录] -> [编辑] step5：如下图，将两个OpenCV两个头文件目录拷贝进去 -> [确认] step6：选择：[通用属性] -> [VC++目录] -> [库目录] -> [编辑] -> 将路径："D:\ThirdParty\opencv4.5.5\build\x64\vc15\lib"拷贝进去 -> [确认]step7：选择：[通用属性] -> [链接器] -> [输入] -> [附加依赖项] -> 将文件名"opencv_world455d.lib"拷贝进去->[确认] 小结：

到这里，opencv库debug属性表制作完成，release属性表和上述流程一样，唯一区别在于，如下图，项目切换到Release x64模式，新建OpenCV4.5.5_ReleaseX64属性表，然后在step7中，将文件名修改为：“opencv_world455.lib” 请记住，制作属性表就3个步骤：拷贝include路径拷贝lib路径，外加设置dll到系统环境变量拷贝lib文件名称2.3.2 创建TensorRT属性表

右击Debug|x64 or 右击Release|x64新建属性表，重命名为：TensorRT8.4.2.4_X64，

# include路径F:\ThirdParty\TensorRT-8.4.2.4\includeF:\ThirdParty\TensorRT-8.4.2.4\samples\commonF:\ThirdParty\TensorRT-8.4.2.4\samples\common\windows# lib路径F:\ThirdParty\TensorRT-8.4.2.4\lib# lib文件名称（for release& debug）nvinfer.libnvinfer_plugin.libnvonnxparser.libnvparsers.lib

依照上一节3个步骤：

step1：选择：[通用属性] -> [VC++目录] -> [包含目录] -> [编辑] -> 把上述3个include路径拷贝进去step2：选择：[通用属性] -> [VC++目录] -> [库目录] -> [编辑] -> 把上述lib路径拷贝进去step3：选择：[通用属性] -> [链接器] -> [输入] -> [附加依赖项] -> [编辑] -> 将上述lib文件名称拷贝进去->[确认] 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 -> [确认]2.3.3 创建CUDA属性表

CUDA属性表直接白嫖官方，在路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\visual_studio_integration\MSBuildExtensions\CUDA 11.2.props

最后，我们应该有了如下属性表文件： 其中，cuda 和tensorrt的属性表同时兼容release x64 和debug x64，你再新建TensorRT-Alpha中yolov8 yolov7 yolov6 等项目后，只需要把上述提前做好的属性表引入到工程就行了，当然项目还需要进行简单设置(设置NVCC，避免tensorrt的坑)，在后文提到。属性表做到了一次新建，到处使用。

三、YOLOv8模型部署

Windows10环境安装YOLOv8，参考我的另一篇《Win10环境下yolov8快速配置与测试》：https://blog.csdn.net/m0_72734364/article/details/128815530

3.1 获取YOLOv8onnx文件

直接在网盘下载 weiyun or google driver 或者使用如下命令导出onnx:

# 🔥 yolov8 官方仓库: https://github.com/ultralytics/ultralytics# 🔥 yolov8 官方教程: https://docs.ultralytics.com/quickstart/# 🚀TensorRT-Alpha will be updated synchronously as soon as possible!# 安装 yolov8conda create -n yolov8 python==3.8 -yconda activate yolov8pip install ultralytics==8.0.5pip install onnx==1.12.0# 下载官方权重(".pt" file)https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pthttps://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8s.pthttps://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8m.pthttps://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8l.pthttps://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x.pthttps://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x6.pt

导出 onnx:

# 640yolo mode=export model=yolov8n.pt format=onnx dynamic=True #simplify=Trueyolo mode=export model=yolov8s.pt format=onnx dynamic=True #simplify=Trueyolo mode=export model=yolov8m.pt format=onnx dynamic=True #simplify=Trueyolo mode=export model=yolov8l.pt format=onnx dynamic=True #simplify=Trueyolo mode=export model=yolov8x.pt format=onnx dynamic=True #simplify=True# 1280yolo mode=export model=yolov8x6.pt format=onnx dynamic=True #simplify=True3.2 编译 onnx# trtexec.exe在路径：F:\ThirdParty\TensorRT-8.4.2.4\bin# 640../../../../TensorRT-8.4.2.4/bin/trtexec.exe --onnx=yolov8n.onnx --saveEngine=yolov8n.trt --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640../../../../TensorRT-8.4.2.4/bin/trtexec.exe --onnx=yolov8s.onnx --saveEngine=yolov8s.trt --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640../../../../TensorRT-8.4.2.4/bin/trtexec.exe --onnx=yolov8m.onnx --saveEngine=yolov8m.trt --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640../../../../TensorRT-8.4.2.4/bin/trtexec.exe --onnx=yolov8l.onnx --saveEngine=yolov8l.trt --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640../../../../TensorRT-8.4.2.4/bin/trtexec.exe --onnx=yolov8x.onnx --saveEngine=yolov8x.trt --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640# 1280../../../../TensorRT-8.4.2.4/bin/trtexec.exe --onnx=yolov8x6.onnx --saveEngine=yolov8x6.trt --buildOnly --minShapes=images:1x3x1280x1280 --optShapes=images:4x3x1280x1280 --maxShapes=images:8x3x1280x1280

你将会的到例如：yolov8n.trt、yolov8s.trt、yolov8m.trt等文件。

3.3 编译运行

3.3.1 新建、设置项目 下载TensorRT-Alpha仓库：

git clone https://github.com/FeiYull/tensorrt-alpha新建yolov8 C++项目：参考B站视频【提示：从0分34秒开始，演示如何设置NVCC编译，如何避免tensorrt在win环境的坑】： yolov8 tensorrt 实战之先导 小结： 后续创建TensorRT-Alpha中YOLOv7、 YOLOv6等工程之后，只需要将上文中的属性表添加到工程，然后按照《yolov8 tensorrt 实战之先导》提到的设置工程就OK。 这篇教程太详细了，这年头，好像很少有人愿意免费给出这么诚意的教程。

3.3.2 编译运行 上面视频在vs2019中设置命令行参数，您也可以在CMD命令行上运行程序，如下：

# 下面参数解释# --show 表示可视化结果# --savePath 表示保存，默认保存在build目录# --savePath=../ 保存在上一级目录## 640# 推理图片./app_yolov8.exe --model=../../data/yolov8/yolov8n.trt --size=640 --batch_size=1 --img=../../data/6406407.jpg --show --savePath./app_yolov8.exe --model=../../data/yolov8/yolov8n.trt --size=640 --batch_size=8 --video=../../data/people.mp4 --show --savePath# 推理视频./app_yolov8.exe --model=../../data/yolov8/yolov8n.trt --size=640 --batch_size=8 --video=../../data/people.mp4 --show --savePath=../# 在线推理相机视频./app_yolov8.exe --model=../../data/yolov8/yolov8n.trt --size=640 --batch_size=2 --cam_id=0 --show## 1280# infer camera./app_yolov8.exe --model=../../data/yolov8/yolov8x6.trt --size=1280 --batch_size=2 --cam_id=0 --show

我的B站所有视频都在WIN10环境运行，https://space.bilibili.com/2028719613

yolov8 tensorrt cuda模型推理加速部署TensorRT-Alpha《ski facility》

yolov8 tensorrt cuda模型推理加速部署TensorRT-Alpha《NewYork-Stree》

yolov7 tensorrt cuda模型推理加速部署TensorRT-Alpha《Korea-Night》

四、参考

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

附录

一位热心小伙做的，他好努力，前几天经常半夜2点、3点给我留言，太卷了，奋斗精神值得学习。

https://www.bilibili.com/video/BV1SM411i7km/?spm_id_from=333.999.0.0&vd_source=a96c9c3f099f4167807291a34fd50fd5