# Tensorrt_PSENet
## 1.生成wts权重文件
详见TensorRT_PSENet/attach/psenet2trt_wts/说明.txt
## 2.配置configure.h
打开configure.h 配置必要的参数
### 2.1 序列化(SERIALIZE)engine模型
```
#define SERIALIZE //SERIALIZE INFER
```
需要配置wts路径和生成engine模型的路径
### 2.2 推理(INFER)
```
#define INFER //SERIALIZE INFER
```
需要配置engine模型路径path_read_engin
图片文件夹路径dir_img
b_show 等于1表示看效果
b_test_save_dir=1表示生成测试精度所需要的txt,需要给生成txt文件夹路径save_path
## 3.依赖dependence
```
TensorRT7.2.3.4
OpenCV >= 3.4
libtorch >=1.7.0
cuda10.2
```
## 4.运行步骤
本仓库已经把依赖、模型和测试图片文件夹名字已经上传,下载下来放置一样的目录,可以按照下面步骤跑通完整的demo效果:
4.1 配置环境
4.2 生成wts文件(pytorch1.0,py3)
4.3 序列化(SERIALIZE)生成engine模型
4.4 推理(INFER)看效果
4.5 best regards to you
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
算法部署_使用TensorRT部署PSENet算法_优质算法部署项目实战.zip (55个子文件)
算法部署_使用TensorRT部署PSENet算法_优质算法部署项目实战
CMakeLists.txt 2KB
configure.h 1KB
3rdparty
libtorch1.7
.gitkeep 0B
opencv3.4.6
.gitkeep 0B
TensorRT-7.2.3.4
.gitkeep 0B
logging.h 16KB
common.hpp 6KB
attach
psenet2trt_wts
说明.txt 1KB
dataset
__init__.py 216B
ctw1500_loader.py 8KB
icdar2015_loader.py 8KB
ctw1500_test_loader.py 2KB
icdar2015_test_loader.py 2KB
get_wts_psenet.py 972B
models
__init__.py 54B
fpn_resnet.py 10KB
__pycache__
fpn_resnet.cpython-35.pyc 9KB
__init__.cpython-35.pyc 221B
util
__init__.py 1KB
proc.py 1KB
caffe_.py 2KB
tf.py 9KB
thread_.py 1KB
neighbour.py 2KB
str_.py~ 2KB
mod.py 1KB
mask.py 2KB
caffe_.py~ 2KB
feature.py 591B
plt.py 5KB
misc.py 2KB
str_.py 2KB
event.py 297B
cmd.py 90B
dtype.py 612B
log.py 1KB
logger.py 4KB
img.py 15KB
statistic.py 224B
test.py 214B
np.py 4KB
np.py~ 4KB
ml.py 847B
plt.py~ 5KB
rand.py 814B
url.py 564B
t.py 639B
dec.py 3KB
io_.py 5KB
test_data
img_199.jpg 96KB
img_352.jpg 86KB
img_453.jpg 83KB
README.md 1KB
utils.h 3KB
psenet.cpp 29KB
共 55 条
- 1
资源评论
极智视界
- 粉丝: 2w+
- 资源: 1468
下载权益
C知道特权
VIP文章
课程特权
开通VIP
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