环境
CUDA 11.1
OpenCV 4.5.1（不限制版本）
TensorRT 7.2
VS2019
TensorRT安装测试
1、将TensorRT压缩包解压
2、将 TensorRT-7.2.1.6\include中头文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include
3、将TensorRT-7.2.1.6\lib中所有lib文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
4、将TensorRT-7.2.1.6\lib中所有dll文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin
验证TensorRT是否安装成功
1-用VS2019打开 TensorRT-7.2.1.6\samples\sampleMNIST\sample_mnist.sln
2- 在VS2019中，右键工程，选择属性->配置属性->常规->目标平台版本->10.0
3- 在VS2019中，右键工程，选择属性->配置属性->常规->平台工具集->vs2019(v142)
4- 右键工程->重新生成
5- 用anaconda 进入TensorRT-7.2.1.6\data\mnist目录，运行python download_pgms.py
6- 进入TensorRT-7.2.1.6\bin，双击sample_mnist.exe，如果没有报错则说配置成功。
这是安装成功
配置VS
注意：以下步骤可能会导致程序异常，配置时请注意！
属性
选择VC++目录->包含目录
选择 VC++目录->库目录
选择 链接器->输入->附加依赖项（opencv动态库+CUDA动态库）
导出权重文件
准备好训练完的best.pt
打开gen_wts.py文件，终端输入命令：python gen_wts.py -w best.pt
运行结束后会生成best.wts文件
生成engine
找到yolov5T文件夹,打开yolov5T.sln，打开yolov5T.cpp
先将wts文件路径输入，再将下面改为-s
运行需要一些时间，成功后的效果如下：
我们输入engine文件路径和图片路径，将下面-s改为-d
选择 Build->Rebuild Solution，然后运行
运行结果：
基本上每张图检测速度大约在8ms左右
OK，到这里我们就部署成功了
如果需要代码，请在评论区留言。
这是第一次发博，欢迎大家一起讨论学习
文章出处登录后可见！
