https://github.com/jinmin527/learning-cuda-trt
learning-cuda-trt
- A large number of cuda/tensorrt cases
- 在这个project中，提供大量的cuda和tensorrt学习案例
- cuda驱动api
- cuda运行时api
- tensorRT基础入门
- tensorRT高阶应用
- 导出onnx，前后处理
- 具体项目为案例，掌握如何处理复杂情况
这是一个学习cuda、tensorrt的源代码案例项目
- 大量案例，从基础的cuda驱动api、运行时api到tensorrt的基础入门、tensorrt的高级进阶
- 模型的导出、模型的前后处理等等，多线程的封装等等
- 希望能够帮助你进一步掌握tensorRT
使用方法-自行配置环境
- 案例均使用makefile作为编译工具
- 在其中以
${@CUDA_HOME}此类带有@符号表示为特殊变量 - 替换此类特殊变量为你系统真实环境，即可顺利使用
- 大部分时候，配置完毕后，可以通过
make run实现编译运行
使用方法-自动配置环境
- 要求linux-ubuntu16.04以上系统，并配有GPU和显卡驱动大于495最佳
- 安装python包，
pip install trtpy -U -i https://pypi.org/simple - 配置快捷方式，
echo alias trtpy=\"python -m trtpy\" >> ~/.bashrc - 应用快捷方式：
source ~/.bashrc - 配置key：
trtpy set-key sxaikiwik - 获取并配置环境：
trtpy get-env --cuda=11
- 目前仅支持10和11，如果驱动版本不适配，会提示找不到适配的版本
- 自动改变配置变量：
trtpy prep-vars .，把当前目录下的所有变量都自行替换 - 即可运行
make run
Reference
- TensorRT的B站视频讲解：https://www.bilibili.com/video/BV1Xw411f7FW
- 官方的视频讲解：https://www.bilibili.com/video/BV15Y4y1W73E
- trtpy前期介绍文档：https://zhuanlan.zhihu.com/p/462980738
- 本源代码对应配套的视频教程讲解（腾讯课堂）：https://ke.qq.com/course/4993141
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
