【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。
【资源目录】:
├──1-1.课程介绍.mp4 13.85M
├──2-1.YOLOv5网络架构与组件.mp4 35.09M
├──2-2.TensorRT基础.mp4 26.20M
├──2-3.TensorRT INT8量化.mp4 32.98M
├──2-4.tensorrtx介绍.mp4 17.75M
├──2-5.CUDA编程方法.mp4 51.95M
├──3-1.安装PyTorch.mp4 16.30M
├──3-10.TensorRT INT8量化实践.mp4 15.33M
├──3-2.安装yolov5.mp4 13.85M
├──3-3.安装TensorRT.mp4 10.75M
├──3-4.测试TensorRT.mp4 7.98M
├──3-5.安装opencv.mp4 6.57M
├──3-6.克隆tensorrtx.mp4 6.58M
├──3-7.生成yolov5s.wts文件.mp4 5.14M
├──3-8.编译tensorrtx下的yolov5.mp4 9.22M
├──3-9.执行TensorRT加速后的命令.mp4 19.48M
├──4-1.安装环境.mp4 35.61M
├──4-2.安装yolov5.mp4 22.37M
├──4-3.安装TensorRT.mp4 10.27M
├──4-4.测试TensorRT.mp4 19.55M
├──4-5.克隆tensorrtx和生成yolov5s.wts文件.mp4 8.39M
├──4-6.修改cmakelist文件.mp4 8.18M
├──4-7.编译tensorrtx下的yolov5.mp4 20.44M
├──4-8.执行TensorRT加速后的命令.mp4 9.06M
├──4-9.TensorRT INT8量化加速实践.mp4 7.73M
├──5-1.utils代码解析.mp4 11.87M
├──5-2.gen_ wts.py代码解析.mp4 7.36M
├──5-3.logging代码解析.mp4 21.03M
├──5-4.calibrator代码解析.mp4 17.23M
├──5-5.yololayer.h代码解析.mp4 39.23M
├──5-6.yololayer.cu代码解析.mp4 34.73M
├──5-7.common.hpp代码解析.mp4 35.85M
├──5-8.yololayer.cpp代码解析.mp4 54.70M
├──5-9.yolov5_ trt.py代码解析.mp4 33.97M
├──6-1.YOLOv5 6.0更新.mp4 15.05M
└──课件资料.zip 8.26M
