# DETR tensorRT 部署
detr_onnx:测试图像、测试结果、测试demo脚本
detr_tensorrt:测试图像、测试结果、测试tensorrt脚本、onnx2tensorRT脚本(tensorRT-7.2.3.4)
由于模型较大无法直接上传,onnx和tensorrt [模型文件](https://github.com/cqu20160901/DETR_onnx_tensorRT/releases)。
说明:
(1)本示例提供的模型只检测行人,由于训练的时类别写成了3,因此模型输出结果只有第二类是有效的。
(2)本示例不涉及模型训练,训练自己数据可以参考网上教程。我第一次训练没有使用预训练权重,导致模型不收敛最终的AP全为0;第二次加载预训练模型才收敛,加载预训练权重参考网上提供的将模型输出适配成自己的类别。
(3)解决转tensorrt 输出全为 0 的问题。
解决转tensorrt 输出全为 0 问题的[终极方法](https://github.com/cqu20160901/DETR_onnx_tensorRT_V2)
## detr C++ 部署
detr C++ 部署[参考链接](https://github.com/cqu20160901/DETR_tensorRT_Cplusplus)。
## 转 tensorrt 可能会遇到的问题
(1)导出onnx后转tensorrt 加载不了,建议用onnxsim处理一下。
(2)导出的tensorrt推理输出全为0,这个问题让我费解很久,网上查到也有遇到这个问题的但没有给出解决方案,几度想过放弃。
## tensorrt 推理输出全为 0
(1)修改onnx模型输出层Gather的参数(在网上看到的修改方法):
```python
graph = gs.import_onnx(onnx.load("./detr_r50_person_sim.onnx"))
for node in graph.nodes:
# print(node)
if node.name == "Gather_2711":
print(node)
print(node.inputs[1])
node.inputs[1].values = np.int64(5)
print(node.inputs[1])
if node.name == "Gather_2713":
print(node)
print(node.inputs[1])
node.inputs[1].values = np.int64(5)
print(node.inputs[1])
onnx.save(gs.export_onnx(graph), 'detr_r50_person_sim_change.onnx')
```
按照上述修改输出结果还全是0,这下让人崩溃了。
(2)解决输出全为0的问题,转 tensorrt 不使用任何量化,使用 fp32_mode 模式
代码里tensorrt 默认量化是 fp16_mode,将量化方式注释掉输出结果正常。
```python
def get_engine(onnx_model_name, trt_model_name):
explicit_batch = 1 << (int)(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH)
with trt.Builder(G_LOGGER) as builder, builder.create_network(explicit_batch) as network, trt.OnnxParser(network,
G_LOGGER) as parser:
builder.max_batch_size = batch_size
builder.max_workspace_size = 2 << 30
print('Loading ONNX file from path {}...'.format(onnx_model_name))
with open(onnx_model_name, 'rb') as model:
print('Beginning ONNX file parsing')
if not parser.parse(model.read()):
for error in range(parser.num_errors):
print(parser.get_error(error))
print('Completed parsing of ONNX file')
print('Building an engine from file {}; this may take a while...'.format(onnx_model_name))
####
# builder.int8_mode = True
# builder.int8_calibrator = calib
# builder.fp16_mode = True
####
print("num layers:", network.num_layers)
# last_layer = network.get_layer(network.num_layers - 1)
# if not last_layer.get_output(0):
# network.mark_output(network.get_layer(network.num_layers - 1).get_output(0))//有的模型需要,有的模型在转onnx的之后已经指定了,就不需要这行
network.get_input(0).shape = [batch_size, 3, imput_h, imput_w]
engine = builder.build_cuda_engine(network)
print("engine:", engine)
print("Completed creating Engine")
with open(trt_model_name, "wb") as f:
f.write(engine.serialize())
return engine
```
onnx 测试结果
![image](https://github.com/cqu20160901/DETR_onnx_tensorRT/blob/main/detr_onnx/test_onnx_result.jpg)
tensorrt 测试结果
![image](https://github.com/cqu20160901/DETR_onnx_tensorRT/blob/main/detr_tensorrt/test_result_tensorRT.jpg)
没有合适的资源?快使用搜索试试~ 我知道了~
TensorRT部署DETR项目工程python源码.zip
共8个文件
jpg:4个
py:3个
md:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 160 浏览量
2024-05-15
06:02:19
上传
评论
收藏 955KB ZIP 举报
温馨提示
detr_onnx:测试图像、测试结果、测试demo脚本 detr_tensorrt:测试图像、测试结果、测试tensorrt脚本、onnx2tensorRT脚本(tensorRT-7.2.3.4) 由于模型较大无法直接上传,onnx和tensorrt 模型文件。 说明: (1)本示例提供的模型只检测行人,由于训练的时类别写成了3,因此模型输出结果只有第二类是有效的。 (2)本示例不涉及模型训练,训练自己数据可以参考网上教程。我第一次训练没有使用预训练权重,导致模型不收敛最终的AP全为0;第二次加载预训练模型才收敛,加载预训练权重参考网上提供的将模型输出适配成自己的类别。 (3)解决转tensorrt 输出全为 0 的问题。 解决转tensorrt 输出全为 0 问题的终极方法
资源推荐
资源详情
资源评论
收起资源包目录
TensorRT部署DETR项目工程python源码.zip (8个子文件)
code
detr_tensorrt
test.jpg 232KB
onnx2trt_rt7.py 2KB
tensorRT_inferenc_demo.py 6KB
test_result_tensorRT.jpg 243KB
detr_onnx
test.jpg 232KB
detr_onnx_640x640_demo_flatten.py 4KB
test_onnx_result.jpg 243KB
README.md 4KB
共 8 条
- 1
资源评论
FL1768317420
- 粉丝: 4313
- 资源: 4730
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功