资源介绍：

PyTorch版的YOLOv5是高性能的实时目标检测方法。 TensorRT是针对英伟达GPU的加速工具。本课程讲述如何使用TensorRT对YOLOv5进行加速和部署

本课程的YOLOv5使用ultralytics/yolov5，分别在Ubuntu和windows10系统上做TensorRT加速和部署演示

课程内容包括：原理篇（YOLOv5网络架构与组件、TensorRT基础、TensorRT INT8量化、tensorrtx介绍、CUDA编程方法）、实践篇（Ubuntu和Windows10系统上的TensorRT部署演示）、代码解析篇（YOLOv5的TensorRT加速的代码解析） 。本课程提供注释后的YOLOv5的TensorRT加速代码

课程目录

• 1-1.课程介绍
• 2-1.YOLOv5网络架构与组件
• 2-2.TensorRT基础
• 2-3.TensorRT INT8量化
• 2-4.tensorrtx介绍
• 2-5.CUDA编程方法
• 3-1.安装PyTorch
• 3-10.TensorRT INT8量化实践
• 3-2.安装yolov5
• 3-3.安装TensorRT
• 3-4.测试TensorRT
• 3-5.安装opencv
• 3-6.克隆tensorrtx
• 3-7.生成yolov5s.wts文件
• 3-8.编译tensorrtx下的yolov5
• 3-9.执行TensorRT加速后的命令
• 4-1.安装环境
• 4-2.安装yolov5
• 4-3.安装TensorRT
• 4-4.测试TensorRT
• 4-5.克隆tensorrtx和生成yolov5s.wts文件
• 4-6.修改cmakelist文件
• 4-7.编译tensorrtx下的yolov5
• 4-8.执行TensorRT加速后的命令
• 4-9.TensorRT INT8量化加速实践
• 5-1.utils代码解析
• 5-2.gen_ wts.py代码解析
• 5-3.logging代码解析
• 5-4.calibrator代码解析
• 5-5.yololayer.h代码解析
• 5-6.yololayer.cu代码解析
• 5-7.common.hpp代码解析
• 5-8.yololayer.cpp代码解析
• 5-9.yolov5_ trt.py代码解析
• 6-1.YOLOv5 6.0更新
• 课件资料