B站教学视频
https://www.bilibili.com/video/BV1q34y1n7Bw/
Github仓库地址
https://github.com/Monday-Leo/YOLOv7_Tensorrt
Introduction
YOLOv7是YOLOv4的原班人马(Alexey Bochkovskiy在内)创造的目标检测模型，在保证精度的同时大幅降低了参数量，本仓库实现 YOLOv7的tensorrt部署。
; Environment
- Tensorrt 8.4.1.5
- Cuda 10.2 Cudnn 8.4.1
- onnx 1.12.0
- onnx-simplifier 0.3.10
- Torch 1.7.1
Benchmark
ModelSizemAPtest 0.5:0.95GTX1650 FP16(ms)GTX1650 FP32(ms)YOLOv7-tiny64038.78.711.6YOLOv764051.427.247.5YOLOv7-X64053.144.282.9
说明：此处FP16,fp32预测时间包含 preprocess+inference+nms，测速方法为warmup10次，预测100次取平均值，并未使用trtexec测速，与官方测速不同；mAPval为原始模型精度，转换后精度未测试。
Quick Start
下载 YOLOv7仓库。
git clone https://github.com/WongKinYiu/yolov7
将本仓库的 EfficientNMS.py和 export_onnx.py复制到 yolov7下，导出含有EfficientNMS的ONNX模型。
python export_onnx.py --weights ./weights/yolov7.pt
将生成的 onnx模型复制到 tensorrt/bin文件夹下，使用官方 trtexec转化添加完EfficientNMS的onnx模型。 FP32预测删除 --fp16 参数即可。
trtexec --onnx=./yolov7.onnx --saveEngine=./yolov7_fp16.engine --fp16 --workspace=200
等待生成序列化模型后，修改本仓库 infer.py模型路径和图片路径。
trt_engine = TRT_engine("./trt_model/yolov7_fp16.engine")
img1 = cv2.imread("./pictures/zidane.jpg")
python infer.py
Reference
https://github.com/WongKinYiu/yolov7
https://github.com/ultralytics/yolov5
https://github.com/Linaom1214/tensorrt-python
Original: https://blog.csdn.net/weixin_45747759/article/details/125677518
Author: 一笑奈何LHY
Title: YOLOv7 Tensorrt Python部署教程
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/624396/
转载文章受原作者版权保护。转载请注明原作者出处！