详解TensorRT的C++/Python高性能部署，实战应用到项目
详解tensorRT的高性能部署方案，并附有强大的yolov5、yolox、retinaface、arcface、scrfd、deepsort、alphapose的高性能实现，低耦合，哪来即可用，集成到项目中
repo地址：https://github.com/shouxieai/tensorRT_cpp
YoloX-m@640x640 fp16@2080Ti性能：2.54ms / image, 每秒393.54帧
视频选集
（1/11）
1、课程介绍
07:59
2、驾驭TensorRT的方案介绍
22:37
3、如何正确导出onnx并在c++中推理
08:53
4、动态batch和动态宽高的实现
12:09
5、写一个自定义插件
22:40
6、关于封装
37:25
7.1、YoloV5案例第一部分，导出ONNX
23:03
7.2、YoloV5案例第二部分，细节
38:03
8、Retinaface案例和动态宽高
40:19
9、高性能低耦合
26:34
10、YOLOX集成
22:48
顶部